Inferência Bayesiana para uma extensão assimétrica do modelo de Grubbs

Autores

Palavras-chave:

modelo de Grubbs, distribuição normal assimétrica, amostrador de Gibbs

Resumo

O modelo de  Grubbs é utilizado para comparar vários instrumentos de medição, e é comum supor que os termos aleatórios seguem uma distribuição normal. Neste trabalho estudamos aspectos da inferência Bayesiana para o modelo em que  o valor não observado da variável latente segue uma distribuição normal assimétrica. As estimativas  a posteriori dos parâmetros do modelo em estudo são calculados através do amostrador de  Gibbs. Os resultados e métodos desenvolvidos neste trabalho são ilustrados através de um conjunto de dados.

Downloads

Publicado

22-01-2015

Como Citar

Silva, F. R. da, & Montenegro, L. C. C. (2015). Inferência Bayesiana para uma extensão assimétrica do modelo de Grubbs. Sigmae, 3(2), 39–46. Recuperado de https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/342

Edição

v. 3 n. 2 (2014): Special Issue: XIII MGest (Encontro Mineiro de Estatística)

Seção

Probabilidade e Estatística

Licença

Proposta de Política para Periódicos de Acesso Livre


Autores que publicam nesta revista concordam com os seguintes termos:

    1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

    1. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

  1. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).