<html><head></head><body><div class="ydpb1fec14dyahoo-style-wrap" style="font-family: Helvetica Neue, Helvetica, Arial, sans-serif; font-size: 13px;"><div dir="ltr" data-setdir="false"><div><div style="font-family: Helvetica Neue, Helvetica, Arial, sans-serif;">Prezados redistas, o Programa de Pós-Graduação de Matemática da Universidade Federal do Amazonas (PPGM-UFAM) convida a todos para o seminário a ser realizado no dia 09/06, às 10h (horário de Brasília). </div><div style="font-family: Helvetica Neue, Helvetica, Arial, sans-serif;"><br></div><div style="font-family: Helvetica Neue, Helvetica, Arial, sans-serif;">Palestrante: Profa. Dra. Laís Helen Loose (DE-UFSM)</div><div style="font-family: Helvetica Neue, Helvetica, Arial, sans-serif;"><br></div><div style="font-family: Helvetica Neue, Helvetica, Arial, sans-serif;">Link meet: <a href="https://meet.google.com/vqg-foyo-gpy" rel="nofollow" target="_blank">https://meet.google.com/vqg-foyo-gpy</a></div><div style="font-family: Helvetica Neue, Helvetica, Arial, sans-serif;"><br></div><div style="font-family: Helvetica Neue, Helvetica, Arial, sans-serif;" dir="ltr" data-setdir="false">Título: <span>Modelo de regressão quantílico Chen</span> </div><div style="font-family: Helvetica Neue, Helvetica, Arial, sans-serif;"><br></div><div style="font-family: Helvetica Neue, Helvetica, Arial, sans-serif;" dir="ltr" data-setdir="false">Resumo: <span>Os modelos de regressão mais conhecidos e frequentemente usados na literatura são baseados no pressuposto de normalidade. No entanto, esta suposição nem sempre é satisfeita na prática. Como consequência, nos últimos anos, tem havido um interesse crescente no desenvolvimento e análise de modelos não gaussianos. Nesse sentido, o presente trabalho tem como objetivo desenvolver o modelo de regressão quantílico Chen. Propomos uma reparametrização da distribuição Chen em termos do quantil e inserimos uma estrutura de regressão para sua modelagem. A estrutura de regressão contém parâmetros desconhecidos, regressores, e uma função de ligação. As inferências do modelo são baseadas nos estimadores de máxima verossimilhança e o resíduo quantílico foi proposto para avaliar a adequação de ajuste do modelo. Realizamos um estudo de simulação de Monte Carlo para investigar o desempenho dos estimadores em diferentes quantis e tamanhos amostrais. Finalmente, apresentamos e discutimos uma aplicação a dados reais a fim de ilustrar a aplicabilidade do modelo proposto.</span></div><div><br></div></div><br></div><div><br></div><div class="ydpb1fec14dsignature"><div style="font-family:Helvetica, Arial, sans-serif;font-size:13px;"><div>Atenciosamente,<br><br><span style="font-family:arial, helvetica, sans-serif;">Jhonnata Bezerra de Carvalho</span></div><div><span style="font-family:arial, helvetica, sans-serif;">Doutor em Estatística - PPGE - UFPE<br></span>Mestre em Matemática Aplicada e Estatística - PPgMAE - UFRN<br><span style="font-family:arial, helvetica, sans-serif;">Graduado em Estatística - UFRN</span><br>----------------------------</div></div></div></div></body></html>