Skip navigation

Use este identificador para citar ou linkar para este item: https://repositorio.ufpb.br/jspui/handle/123456789/32859
Registro completo de metadados
Campo DCValorIdioma
dc.creatorLima, Isaac Ferreira de-
dc.date.accessioned2024-12-16T10:52:04Z-
dc.date.available2024-07-24-
dc.date.available2024-12-16T10:52:04Z-
dc.date.issued2024-05-31-
dc.identifier.urihttps://repositorio.ufpb.br/jspui/handle/123456789/32859-
dc.description.abstractIn the context of doubly bounded data, inflated distributions are widely used for cases where the data contain an excess of zeros and/or ones. There are several distributions in the literature to handle data in this domain, such as inflated beta (Ospina and Ferrari, 2010), inflated Kumaraswamy (Cribari-Neto and Santos, 2019), and inflated unitary gamma (Silva, 2023). In this work, we will present the most commonly used probability distributions in the context of modeling data distributed in the standard unit interval, but which may contain zeros and/or ones. Through a detailed study, via Monte Carlo simulation, we will identify scenarios according to the characteristics that are most suitable for each distribution.pt_BR
dc.description.provenanceSubmitted by Jackson R. L. A. Nunes (jackson@biblioteca.ufpb.br) on 2024-12-16T10:52:04Z No. of bitstreams: 2 license_rdf: 805 bytes, checksum: c4c98de35c20c53220c07884f4def27c (MD5) IsaacFerreiraDeLima_Dissert.pdf: 3200750 bytes, checksum: 34f5e50f25240034afadd3b3bc8f5233 (MD5)en
dc.description.provenanceMade available in DSpace on 2024-12-16T10:52:04Z (GMT). No. of bitstreams: 2 license_rdf: 805 bytes, checksum: c4c98de35c20c53220c07884f4def27c (MD5) IsaacFerreiraDeLima_Dissert.pdf: 3200750 bytes, checksum: 34f5e50f25240034afadd3b3bc8f5233 (MD5) Previous issue date: 2024-05-31en
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal da Paraíbapt_BR
dc.rightsAcesso abertopt_BR
dc.rightsAttribution-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nd/3.0/br/*
dc.subjectMatemática computacionalpt_BR
dc.subjectDistribuições inflacionadaspt_BR
dc.subjectDistribuição betapt_BR
dc.subjectDistribuição kumaraswamypt_BR
dc.subjectDistribuição gama unitáriapt_BR
dc.titleUma comparação das distribuições inflacionadas para modelar dados duplamente limitadospt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Souza, Tatiene Correia de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4055146648812877pt_BR
dc.contributor.advisor-co1Araújo, Tarciana Liberal Pereira de-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/2198188215129698pt_BR
dc.creator.LattesLattes não encontrado em 16/12/2024.pt_BR
dc.description.resumoNo contexto de dados duplamente limitados, as distribuições inflacionadas são muito utilizadas para casos em que os dados contenham excesso de zeros e/ou uns. Existem na literatura algumas distribuições para lidar com dados nesse domínio como, por exemplo: beta inflacionada (Ospina e Ferrari, 2010), kumaraswamy inflacionada (Cribari-Neto e Santos, 2019) e gama unitária inflacionada (Silva, 2023). Neste trabalho, iremos apresentar as distribuições de probabilidade mais utilizadas no contexto de modelagem de dados distribuídos no intervalo unitário padrão, mas que podem conter zeros e/ou uns e, a partir de um estudo detalhado, via simulação de Monte Carlo, identificar os cenários, de acordo com as características que são mais adequados para cada distribuição.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInformáticapt_BR
dc.publisher.programPrograma de Pós-Graduação em Modelagem Matemática e computacionalpt_BR
dc.publisher.initialsUFPBpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Aparece nas coleções:Centro de Informática (CI) - Programa de Pós-Graduação em Modelagem Matemática Computacional

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
IsaacFerreiraDeLima_Dissert.pdf3,13 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons