Bivariate Birnbaum-Saunders regression model

Orientador: Filidor Edilfonso Vilca LabraDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação CientíficaResumo: O modelo de regressão Birnbaum-Saunders de Rieck e Nedelman (1991) tem sido amplamente discutido por vários autores, com aplicações na área de sobrevivência e confiabilidade. Neste trabalho, desenvolvemos um modelo de regressão Birnbaum-Saunders bivariado através do uso da distribuição Senh-Normal proposta por Rieck (1989). Este modelo de regressão pode ser utilizado para analisar logaritmos de tempos de vida de duas unidades correlacionadas, e gera marginais correspondentes aos modelos de regressão Birnbaum-Saunders univariados. Apresentamos um estudo de inferência e análise de diagnóstico para modelo de regressão Birnbaum-Saunders bivariado proposto. Em primeiro lugar, apresentamos os estimadores obtidos através do método dos momentos e de máxima verossimilhança, e a matriz de informação observada de Fisher. Além disso, discutimos testes de hipóteses com base na normalidade assintótica dos estimadores de máxima verossimilhança. Em segundo lugar, desenvolvemos um método de diagnóstico para o modelo de regressão Birnbaum- Saunders bivariado baseado na metodologia de Cook (1986). Finalmente, apresentamos alguns resultados de estudos de simulações e aplicações em dados reaisAbstract: The Birnbaum-Saunders regression model of Rieck and Nedelman (1991) has been extensively discussed by various authors with application in survival and reliability studies. In this work a bivariate Birnbaum-Saunders regression model is developed through the use of Sinh-Normal distribution proposed by Rieck (1989). This bivariate regression model can be used to analyze correlated log-time of two units, it bivariate regression model has its marginal as the Birnbaum- Saunders regression model. For the bivariate Birnbaum-Saunders regression model is discussed some of its properties, in the moment estimation, the maximum likelihood estimation and the observed Fisher information matrix. Hypothesis testing is performed by using the asymptotic normality of the maximum-likelihood estimators. Influence diagnostic methods are developed for this model based on the Cook¿s(1986) approach. Finally, the results of a simulation study as well as an application to a real data set are presentedMestradoEstatisticaMestra em Estatístic