Orientador: Oscar H. Bustos

Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Ciencia da Computação

REsumo: O modelo de regressão linear é, sem dúvida, uma das técnicas mais empregadas em análise estatística e o método de mínimos quadrados; o mais popular na estimação dos parâmetros dos modelos. No entanto estes estimadores podem ser desastrosos na presença de um único outlier. Um dos...

REsumo: O modelo de regressão linear é, sem dúvida, uma das técnicas mais empregadas em análise estatística e o método de mínimos quadrados; o mais popular na estimação dos parâmetros dos modelos. No entanto estes estimadores podem ser desastrosos na presença de um único outlier. Um dos procedimentos de estimação mais utilizados na prática, consiste em, a partir de técnicas de diagnóstico, detectar e rejeitar os outliers e, então, refazer o ajuste por mínimos quadrados (least squares - LS) com os dados que restaram. Neste estudo tais estimadores recebem a designação genérica de DRLS-DETECÇÃO+REJEIÇÃO+LS. O objetivo deste trabalho é avaliar alguns dos estimadores DRLS mais utilizados, comparando-os entre si através de um estudo Monte Cado. Considera-se ainda um estimador robusto, o r-estimador (Yohai e Zamar, 1986), sendo este o primeiro estudo de simulação desenvolvido para o mesmo.

Abstract: Not informed.