Nós usamos cookies para melhorar sua experiência de navegação no portal. Ao utilizar o SIGAA, você concorda com a polí­tica de monitoramento de cookies. Para ter mais informações sobre como isso é feito e como remover, acesse a Polí­tica de cookies. Para saber como a UFRN trata os dados, acesse a Política de Privacidade. Se você concorda, clique em Ciente.

Banca de QUALIFICAÇÃO: KARINE DOS SANTOS ARAUJO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : KARINE DOS SANTOS ARAUJO
DATA : 11/12/2024
HORA: 14:00
LOCAL: Ambiente virtual
TÍTULO:

Inferencia Bayesiana para modelos Poisson com priori conjugada baseada em misturas da distribuicao Gama


PALAVRAS-CHAVES:

Inferência Bayesiana; Misturas de Gama; Priori conjugada; Distribuição Poisson.


PÁGINAS: 44
RESUMO:

A inferência Bayesiana é uma metodologia estatística que combina informações prévias sobre os parâmetros do modelo com dados observacionais para estimar a distribuição a posteriori dos parâmetros desconhecidos. Uma das vantagens de utilizar prioris conjugadas é que a distribuição a posteriori resultante permanece dentro da mesma família de distribuições da priori, o que facilita tanto os cálculos quanto a interpretação intuitiva dos parâmetros a posteriori. Neste estudo, adotamos misturas de distribuições Gama como prioris conjugadas, o que proporciona uma abordagem mais flexível e capaz de se ajustar melhor às diferentes características dos dados, permitindo uma estimação mais precisa do parâmetro do modelo Poisson. As misturas de distribuições Gama exploradas incluem a distribuição Lindley generalizada 1 (ABOUAMMOH; ALSHANGITI; RAGAB, 2015), a distribuição Lindley generalizada 2 (RAMOS; LOUZADA; MOALA, 2021) e a distribuição Lindley generalizada 3 (ZAKERZADEH; DOLATI, 2009). Essas distribuições são extensões da clássica distribuição Lindley e são notáveis por sua versatilidade, permitindo que se ajustem a uma ampla variedade de cenários e dados. Discutimos as vantagens das distribuições propostas em comparação com a distribuição Gama convencional, destacando os benefícios de utilizar essas misturas como prioris na modelagem de dados Poisson. Para ilustrar a aplicação prática da metodologia proposta, realizamos um estudo com dados reais.


MEMBROS DA BANCA:
Interno - 3010614 - ELIARDO GUIMARAES DA COSTA
Interno - 1781198 - FIDEL ERNESTO CASTRO MORALES
Presidente - 1023112 - MARCELO BOURGUIGNON PEREIRA
Notícia cadastrada em: 22/11/2024 16:12
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2025 - UFRN - sigaa05-producao.info.ufrn.br.sigaa05-producao