Inferência Bayesiana em Modelos Assimétricos - Instituto de ...
Inferência Bayesiana em Modelos Assimétricos - Instituto de ...
Inferência Bayesiana em Modelos Assimétricos - Instituto de ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Introdução<br />
Objetivos<br />
Distribuições sob seleção<br />
Casos especiais: normal e t assimetrizadas<br />
<strong>Inferência</strong> <strong>Bayesiana</strong>/MCCM<br />
<strong>Mo<strong>de</strong>los</strong> Lineares Mistos<br />
<strong>Mo<strong>de</strong>los</strong> binários<br />
Distribuições <strong>de</strong> probabilida<strong>de</strong> induzidas por processos <strong>de</strong><br />
seleção<br />
Definição: Sejam U ∈ R q e V ∈ R p dois vetores aleatórios, e<br />
<strong>de</strong>notamos por C um conjunto mensurável <strong>em</strong> R q . Nós <strong>de</strong>finimos<br />
como distribuição sob seleção a distribuição condicional<br />
(V|U ∈ C). Então, um vetor aleatório X ∈ R p t<strong>em</strong> distribuição<br />
sob seleção se X d = (V|U ∈ C). Usamos a notação X ∼ SLCTp,q<br />
cujos parâmetros <strong>de</strong>pend<strong>em</strong> das caracterizações <strong>de</strong> U, V, e C.<br />
Se V t<strong>em</strong> fdp fV então X t<strong>em</strong> fdp<br />
fX(x) = fV(x)<br />
P (U ∈ C|V = x)<br />
,<br />
P (U ∈ C)<br />
Márcia D’Elia Branco <strong>Inferência</strong> <strong>Bayesiana</strong> <strong>em</strong> <strong>Mo<strong>de</strong>los</strong> <strong>Assimétricos</strong>