Sporala red del conocimiento
EN
Universidad Nacional de Colombia

Bogotá - Ciencias - Doctorado en Ciencias - Matemáticas · 2021

Procesos de conteo, sobredispersión y extensiones

Se presenta una revisión detallada de modelos sobredispersos de regresión lineal y no lineal para datos de conteo, desde un enfoque Bayesiano. Se propone la función de distribución beta inclinada binomial, se estudian sus propiedades y se proponen los modelos de regresión lineal, donde se asignan estructuras de regresión a la media, parámetro de dispersión y parámetro de mixtura. Adicionalmente, se presentan las reparametrizaciones de las distribuciones beta binomial y binomial negativa, en términos de la media, y se establecen los modelos de regresión Bayesiana, proponiendo nuevas variables de trabajo para el parámetro de dispersión, que reducen la autocorrelación y mejoran la convergencia de las cadenas. Se define una extensión a modelos de regresión no lineal y se propone el algoritmo Bayesiano para este caso. Se definen nuevos modelos de regresión no lineal con exceso de ceros y se extiende la metodología Bayesiana propuesta en [21] para estos modelos: se desarrolla el algoritmo de Metropolis-Hastings y se proponen las variables de trabajo requeridas, a partir del método de aumento de datos de [74]. Se proponen modelos subdispersos no lineales doblemente generalizados para datos de conteo que presentan subdispersión con respecto a las distribuciones Poisson o binomial, y se definen funciones de cuasi-verosimilitud adecuadas, a partir del enfoque de [106], para el ajuste de los modelos Bayesianos. Finalmente, se proponen nuevos procesos de Poisson no homogéneos cíclicos y se definen modelos autoregresivos no lineales doblemente generalizados para series de conteo, basados en distribuciones de conteo subdispersas y se aplica el paradigma Bayesiano para la estimación. (Texto tomado de la fuente).

Texto completo 166 páginas con texto

Leer la tesis completa Ficha en el repositorio

Contenido

Tesauro de su biblioteca