<div dir="ltr"><br><div class="gmail_quote"><div dir="ltr"><div dir="ltr"><span style="color:rgb(0,0,0);font-family:Calibri,Arial,Helvetica,sans-serif;font-size:12pt">O Programa de Pós-Graduação em Estatística convida para:</span><br>

<div dir="ltr">
<div style="font-family:Calibri,Arial,Helvetica,sans-serif;font-size:12pt;color:rgb(0,0,0)">
<div><br>
</div>
<div>WEBINAR - Regressão Beta Robusta</div>
<div><br>
</div>
<div>Palestrante: <b>Profa. Terezinha Késsia de Assis Ribeiro (EST/UnB)</b></div>
<div>Data:  <b>07/04/2022</b><b> (quinta-feira)</b></div>
<div>Horário: <b>14h30min </b></div>
<div><br>
</div>
<div>Link da transmissão:</div>
<div><br>
</div>
<div><a href="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" title="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" target="_blank">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</a><br>
</div>
<div>
</div>
<br>
<div><br>
</div>
<div><b>Resumo:</b> </div>
<div><br>
<div style="margin:0px;background-color:rgb(255,255,255)">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.<br>
</div>
<div style="margin:0px;background-color:rgb(255,255,255)"><br>
</div>
</div>
<div><br>
</div>
<div>O QR Code para acesso à palestra encontra-se no documento anexo.  </div>
<div><br>
</div>
<div><b>Acompanhe os próximos eventos no <a href="http://www.est.unb.br/index.php?option=com_content&view=category&id=9&Itemid=107" title="http://www.est.unb.br/index.php?option=com_content&view=category&id=9&Itemid=107" target="_blank">
site do EST</a> e também no <a href="http://pgest.unb.br/pt-br/seminarios" title="http://pgest.unb.br/pt-br/seminarios" target="_blank">
site do PPGEST</a>.</b></div>
<div><br>
</div>
<div>Atenciosamente,</div>
<div><br>
</div>
<div>Tathyanna Martins Cordeiro</div>
Secretária Executiva</div>
<div>
<div id="m_-4403924685013265351x_x_Signature">
<div>
<div></div>
<div style="font-family:Calibri,Arial,Helvetica,sans-serif;font-size:12pt;color:rgb(0,0,0)">
<span style="font-family:Verdana,Geneva,sans-serif;font-size:13.3333px;text-align:start;background-color:rgb(255,255,255);display:inline!important">--<span> </span></span><br style="font-family:Verdana,Geneva,sans-serif;font-size:13.3333px;text-align:start;background-color:rgb(255,255,255)">
<div style="margin:0px;font-family:monospace;font-size:13.3333px;text-align:start;background-color:rgb(255,255,255)">
Departamento de Estatística<br>
Universidade de Brasília</div>
</div>
</div>
</div>
</div>
</div>
</div>
</div>

</div></div>