Novos modelos para observações que assumem valores no conjunto dos números inteiros
Amostras pareadas de contagens. Distribuição Laplace discreta assimétrica. Modelos de regressão. Processos de contagens não-estacionários. Séries temporais de valores inteiros.
Existem várias situações práticas nas quais existe o interesse em modelar eventos associados com variáveis aleatórias que assumem valores discretos. Até o momento, as teorias que foram construídas e aperfeiçoadas para tratar observações com esta natureza possuem ênfase na modelagem de dados discretos não-negativos. Entretanto, observações discretas que possam assumir qualquer valor no conjunto dos números inteiros Z = {..., -2, -1, 0, 1, 2, ...}, incluindo observações negativas, também podem ser encontradas em diferentes contextos. Os objetivos desta dissertação consistem em propor uma nova parametrização para distribuição Laplace discreta assimétrica, em termos da média e de um parâmetro de dispersão, e então definir dois novos modelos paramétricos capazes de modelar observações que assumem valores em Z com base nesta distribuição. O primeiro destes, consiste em um modelo de regressão no qual assume-se que a variável resposta possui distribuição LDA. Consideramos o estimador de máxima verossimilhança como método de estimação para os parâmetros do modelo. Propomos métodos de diagnósticos para avaliar a qualidade do ajuste, realizamos estudos de simulação para verificar o desempenho das propriedades obtidas em amostras de tamanho finito e aplicamos o modelo a um conjunto de dados reais na área de psicologia. Já o segundo modelo consiste em um processo autorregressivo de valores inteiros com inovações distribuídas conforme a distribuição LDA, em que são apresentadas suas principais propriedades, dois diferentes métodos de estimação para os parâmetros do modelo, e também consideramos uma estrutura de regressão que possibilita a introdução de covariáveis que possam estar associadas com as observações.