Bootstrap com medidas de influência na estimação dos parâmetros dos modelos Gompertz e logístico

Em geral o método bootstrap é realizado supondo que cada unidade amostral apresente a mesma probabilidade de ser reamostrada. Contudo, ao considerar uma amostra que apresente outliers, a distribuição empírica gerada através da execução desse método pode ser influenciada, no sentido de não representar fielmente a amostra original. Tendo por base este problema, o objetivo desse trabalho consistiu em propor um método bootstrap que permita o pesquisador especificar uma medida de influência, a ser utilizada como critério para obter probabilidades de reamostragem distintas para cada observação. Tal método foi denominado por BMIC originado de “Bootstrap com medidas de influência corrigida pelo viés de Monte Carlo”. Com o propósito de validar esse método, estudos de simulação foram realizados considerando o modelo logístico e Gompertz, em alguns cenários caracterizados por diferentes tamanhos amostrais, distribuições simétricas e assimétricas nos resíduos e quantidade de outliers contida na amostra. Concluiu-se que a aplicação do método BMIC proporcionou uma melhoria na acurácia dos estimadores referente à assíntota superior ( ) e ao intercepto ( ) do modelo logístico. Em se tratando do modelo Gompertz, em geral apresentou os mesmos resultados, porém dada a baixa porcentagem de convergência observada, recomenda-se que novos estudos sejam realizados para obtenção de conclusões mais confirmatóriasDissertação apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Mestr