Tese

Robust estimation in a multivariate normal regression model with general parameterization (2025)

• Authors:
  • Canterle, Diego Ramos
  • Patriota, Alexandre Galvão (Orientador)
• Autor USP: CANTERLE, DIEGO RAMOS - IME
• Unidade: IME
• Sigla do Departamento: MAE
• DOI: 10.11606/T.45.2025.tde-13062025-131640
• Subjects: VEROSSIMILHANÇA; ROBUSTEZ; MODELOS MATEMÁTICOS
• Keywords: Estimação robusta; General parameterization; Lq-likelihood; Modelos de regressão; Parametrização geral; Regression models; Robust estimation; Verossimilhança Lq
• Agências de fomento:
  • Financiamento CAPES
  • Financiamento CNPq
• Language: Inglês
• Abstract: Este trabalho explora o uso da medida de q-entropia não extensiva para a estimação de parâmetros no modelo de regressão normal multivariado com parametrização geral. Esse modelo abrange uma ampla classe de modelos de regressão, incluindo modelos mistos, modelos com erros nas variáveis, modelos não lineares, entre outros. O estimador resultante, denominado estimador de máxima verossimilhança Lq, depende de um parâmetro de afinação q, escolhido para melhorar a precisão inferencial na presença de outliers. Derivamos as quantidades necessárias para obter o estimador dos parâmetros e a matriz de variância e covariância assintótica do estimador de máxima verossimilhança Lq sob essa classe geral de modelos. Algumas dessas quantidades são detalhadas para três casos específicos: modelos mistos, modelos com erros nas variáveis e modelos não lineares. Embora o estimador de máxima verossimilhança Lq possa ser inconsistente, neste trabalho encontramos um novo estimador que satisfaça a propriedade de consistência por meio de uma função de calibração. Também obtemos outro estimador consistente e robusto que minimiza uma versão empírica da divergência potência entre densidades, denominado estimador de mínima divergência potência entre densidades. Para avaliar o desempenho da nossa proposta, conduzimos simulações de Monte Carlo na ausência e na presença de outliers em amostras finitas. Finalmente, aplicamos nosso método a dados reais
• Imprenta:
  • Publisher place: São Paulo
  • Date published: 2025
• Data da defesa: 04.06.2025

Informações sobre o DOI: 10.11606/T.45.2025.tde-13062025-131640 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  CANTERLE, Diego Ramos. Robust estimation in a multivariate normal regression model with general parameterization. 2025. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-13062025-131640/. Acesso em: 03 jan. 2026.

• APA

  Canterle, D. R. (2025). Robust estimation in a multivariate normal regression model with general parameterization (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45133/tde-13062025-131640/

• NLM

  Canterle DR. Robust estimation in a multivariate normal regression model with general parameterization [Internet]. 2025 ;[citado 2026 jan. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-13062025-131640/

• Vancouver

  Canterle DR. Robust estimation in a multivariate normal regression model with general parameterization [Internet]. 2025 ;[citado 2026 jan. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-13062025-131640/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Beta Autoregressive Moving Average Model with the Aranda-Ordaz Link Function