O seminário é público e poderá ser assistido clicando no link  - https://teams.microsoft.com/l/meetup-join/19%3aQBM_F0IGE2Gx1OOACytv0hdI1Fs3vwu2gsE0tLRIXrc1%40thread.tacv2/1649183473983?context=%7b%22Tid%22%3a%22ec359ba1-630b-4d2b-b833-c8e6d48f8059%22%2c%22Oid%22%3a%22c7109bbd-b5ab-490f-8d83-ada97d5ede57%22%7d

 

Resumo: Os modelos mais comumente utilizados para a análise de dados contínuos e limitados ao intervalo unitário, como taxas e proporções, são modelos de regressão baseados na distribuição beta. A inferência nos modelos regressão beta pode ser realizada pelo método de máxima verossimilhança. Nesta palestra, mostraremos que tal método não é robusto à presença de observações discrepantes. Apresentaremos um método de estimação alternativo, que utiliza uma Lq-verossimilhança reparametrizada, e mostraremos suas propriedades de robustez, Fisher-consistência e normalidade assintótica. Como é comum em procedimentos robustos, é necessário fixar uma constante de afinação (tuning constant), o que dificulta ou até inviabiliza as aplicações. Apresentaremos, em detalhes, um método de seleção da constante, que é orientado pelos dados e que garante eficiência total na ausência de outliers. Simulações e aplicações serão apresentadas.