Inference in parametric models with many L-moments (2022)
- Authors:
- Autor USP: ALVAREZ, LUÍS ANTONIO FANTOZZI - IME
- Unidade: IME
- Sigla do Departamento: MAE
- DOI: 10.11606/T.45.2022.tde-27102022-204201
- Subjects: INFERÊNCIA ESTATÍSTICA; INFERÊNCIA SEMIPARAMÉTRICA; VEROSSIMILHANÇA
- Keywords: Generalised method of moments; L-momentos; L-moments; Método generalizado dos momentos; Métodos de seleção de hiperparâmetros; Modelos semiparamétricos; Semiparametric models; Tuning parameter selection methods
- Agências de fomento:
- Language: Inglês
- Abstract: L-momentos são valores esperados de combinações lineares de estatísticas de ordem que proveem alternativas robustas aos momentos tradicionais. A estimação de modelos paramétricos por meio da minimização da distância entre L-momentos amostrais e teóricos -- um procedimento conhecido na literatura como "método dos L-momentos'' -- produz estimadores de menor erro quadrático médio que aqueles de máxima verossimilhança em pequenas amostras de diversas distribuições conhecidas. Não obstante, a escolha do número de L-momentos usados na estimação é tipicamente ad-hoc: pesquisadores costumeiramente usam o mesmo número de L-momentos que parâmetros, de modo a satisfazer uma condição de ordem para identificação do modelo. Nesta tese, mostra-se que, ao escolher o número de L-momentos apropriadamente e ponderando-os corretamente, é possível construir um estimador que se mostra de menor risco que a abordagem tradicional de L-momentos e que máxima verossimilhança em amostras finitas, e ainda assim se mantém assintoticamente eficiente. Esse resultado é obtido propondo-se um estimador de método "generalizado'' de L-momentos e derivando suas propriedades estatísticas num ambiente em que o número de L-momentos varia com o tamanho amostral. Em seguida, propõem-se métodos para selecionar automaticamente o número ótimo de L-momentos em uma dada amostra. Como extensão, mostra-se que uma modificação da abordagem proposta pode ser usada na estimação de modelos semiparamétricos de efeitos detratamento em experimentos aleatorizados controlados. Essa extensão produz um estimador eficiente e com propriedades computacionais atraentes. Os ganhos associados a essa nova abordagem são ilustrados aplicando a metodologia proposta no contexto de um experimento aleatório conduzido em São Paulo, Brasil. De maneira mais geral, com essa extensão, espera-se introduzir a abordagem baseada em L-momentos como um procedimento atrativo em ambientes em que estimadores de máxima verossimilhança semi/não paramétricos são computacionalmente complicados
- Imprenta:
- Data da defesa: 29.09.2022
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
ALVAREZ, Luís Antonio Fantozzi. Inference in parametric models with many L-moments. 2022. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://teses.usp.br/teses/disponiveis/45/45133/tde-27102022-204201/. Acesso em: 08 abr. 2026. -
APA
Alvarez, L. A. F. (2022). Inference in parametric models with many L-moments (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/45/45133/tde-27102022-204201/ -
NLM
Alvarez LAF. Inference in parametric models with many L-moments [Internet]. 2022 ;[citado 2026 abr. 08 ] Available from: https://teses.usp.br/teses/disponiveis/45/45133/tde-27102022-204201/ -
Vancouver
Alvarez LAF. Inference in parametric models with many L-moments [Internet]. 2022 ;[citado 2026 abr. 08 ] Available from: https://teses.usp.br/teses/disponiveis/45/45133/tde-27102022-204201/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
