Teoria

Instituições financeiras tem necessidade de determinar a proporção de gasto no cheque especial de futuros clientes. Uma variável explicativa importante para determinar essa proporção é a renda do cliente, que não é conhecida. Neste trabalho, propomos o modelo de regressão beta com erro de medida para estimar a média dessa proporção para um futuro cliente. Uma renda presumida, ou seja, uma renda do cliente medida com erro é considerada no modelo.

Neste trabalho analisamos modelos não lineares elípticos com efeitos mistos supondo possíveis estruturas heteroscedásticas e/ou autoregressivas para analisar dados correlacionados. Esses modelos representam uma generalização dos modelos desenvolvidos em Russo et al. [2009. Influence diagnostics in nonlinear mixed-effects elliptical models. {\it Computational Statistics and Data Analysis} 53, 4143-4156] e fornecem alternativas importantes para a modelagem de dados longitudinais não lineares, já que introduzem a correlação intragrupo e permitem a obtenção de estimativas robustas contra observações aberrantes e pouco sensíveis a perturbações. Como ilustração numérica consideramos os dados farmacocinéticos de concentração de indomethacin previamente analisados em Bocheng \& Xuping [2001. Influence analysis in nonlinear models with random effects. {\it Applied Mathematics - A Journal of Chinese Universities} 16, 35-44].

A Corporation is a company that owns other companies outstanding stock. In business matters, a Corporation is a defaul company if, at least, one of its subsidiary is on default. The statistical interest is, in a specific period of time, to determine the default probability for the Corporation given that the subsidiaries of this Corporation are correlated. Therefore, the model must address the issue of covariation between the companies inside the Corporation. In this paper a correlated binomial regression model CBR(ni; pi; \pho_i) is proposed. The developed methodology permits the covariance structure to be incorporated into the model and the behaviour of the response variable is modelled as a function of exogenous variables available for the Corporations and the revenues for each company inside the Corporation. The data augmentation scheme is used in order to overcome the complexity of the mixture likelihood. MCMC methods are applied to estimate the posterior marginal for the regression coeffcients, consequentely for the probabilities of success pi, and for the correlation coeffcients \pho_i.

A generalized correlated binomial model, which considers different correlations for the Bernoulli trails, is proposed. The maximum likelihood estimators for the parameters are obtained by direct maximization of the likelihood function using the Monte Carlo approach. To illustrate the proposed model we use a transgenic soybean dataset. Nonparametric bootstrap method is used to find confidence interval for the model parameters.

Este artigo propõe uma metodologia de estimação dos parâmetros do modelo Periódico Auto-Regressivo (PAR), a qual é robusta na presença de observações atípicas ou outliers. O método de estimação é uma variação das equações de Yule-Walker periódicas (McLeod(1994)). Em particular o artigo deriva uma modi_cação da função de autocovariância robusta proposta por Ma & Genton (2000) para estimar a função de autocovariância periódica do processo PAR. A estimativa dessa função é substituída nas equações de Yule-Walker periódicas fornecendo a estimativa dos parâmetros do modelo PAR. Resultados de Monte Carlo mostraram que, em geral, o estimador proposto para os parâmetros auto-regressivos periódicos é robusto na presença de outliers aditivos.

Neste trabalho apresentamos a estatística do gradiente e comparamos com as estatísticas da razão de verossimilhanças, de Wald e do escore. Dentre as comparações feitas, destacamos a formulação da estatística do gradiente, com base no raciocínio de Buse (1982), onde também comentamos em resumo a construção das outras três estatísticas supracitadas.

Neste trabalho estudamos o modelo de sobrevivência com fração de cura proposto por Yakovlev et al. (1993) que possui uma estrutura de riscos competitivos. Covariáveis são introduzidas para modelar o núumero médio de riscos e permitimos que algumas destas covariáveis apresentem omissão. Consideramos apenas os casos em que as covariáveis omissas são categóricas e as estimativas dos parâmetros são obtidas através do algoritmo EM ponderado (Dempster et al. 1977). Apresentamos uma série de simulações para confrontar as estimativas obtidas através deste método com as obtidas quando se exclui do banco de dados as observações que apresentam omissão, conhecida como análise de casos completos (ACC). Avaliamos também através de simulações, o impacto na estimativa dos parâmetros quando aumenta-se o percentual de curados e de censura entre indivíduos não curados. Um conjunto de dados reais referentes ao tempo até a conclusão do curso de estatística na Universidade Federal do Rio Grande do Norte é utilizado para ilustrar o método

Pesquisadores das mais diversas áreas deparam-se com a necessidade de comparar conjuntos de dados ou equações ajustadas para os vários tratamentos em estudo. Quando essas equações são consideradas idênticas, elas podem ser agrupadas em uma única expressão, o que simplifica a interpretação dos dados e a discussão dos resultados. Nesse sentido a literatura estatística apresenta alguns testes de identidade de modelos de regressão ou de alguns de seus coeficientes. Porém algumas dessas técnicas são trabalhosas ou apresentam limitações. Assim, devido à simplicidade de se trabalhar com a análise de agrupamento tem-se percebido a utilização de métodos de agrupamento para a comparação de modelos. Portanto, esse trabalho tem como objetivo avaliar a eficiência do método de agrupamento de Ward na comparação de modelos logísticos.

We propose a graphic method to the copulas tting adapted from QQplot denominated
Kendall Plot. This method is more complete than the QQplot due to the addition of
condence bands to the Kendall Plot. The reduction of the data dimension to a onedimensional
random variable, called BIPIT, which carries information about dependency
data structure, allows the utilization of the QQplot adaptation for testing dependency
structures.
Keywords: Copula, BIPIT, Q-Qplot, Kendall Plot, Statistical hypothesis testing.

Este trabalho investiga a probabilidade de rejeitar a hipótese nula, H_0: I(1), quando o teste de Dickey-Fuller (DF) é aplicado em processos autorregressivos (AR) na presença de outliers aditivos. Em particular, o teste de Dickey-Fuller, baseado nos postos (ranks), é sugerido como metodologia alternativa para testar raízes unitárias em séries temporais com outliers do tipo aditivo. Os resultados empíricos e teóricos dão suporte do uso da metodologia proposta para aplicação prática. A série do número de moscas, analisadas em Wei (1994), é considerada neste estudo para explicar o uso do teste proposto