<div dir="ltr">Boa tarde,<br><div><span class="m_3398598158524401786gmail-m_8892049330205894016gmail-m_-1457420871591431956Object" id="m_3398598158524401786gmail-m_8892049330205894016gmail-m_-1457420871591431956OBJ_PREFIX_DWT2367_com_zimbra_date"><span class="m_3398598158524401786gmail-m_8892049330205894016gmail-m_-1457420871591431956Object" id="m_3398598158524401786gmail-m_8892049330205894016gmail-m_-1457420871591431956OBJ_PREFIX_DWT2368_com_zimbra_date"></span></span><br></div><div>Seminário Conjunto UFSCar/ICMC - Excepcionalmente 11/9/2017 (segunda-feira) – 16:00 na UFSCar<br>
<br>
Local: Sala 43 do DEs-UFSCar<br>
<br>
Palestrante: Carlos Aparecido dos Santos, UEM<br>
<br>
Titulo: Distribuições bivariadas exponenciais generalizadas e algumas funções cópulas<br>
<br>
Resumo: A exponencial generalizada univariada (GE) é uma distribuição
versátil, introduzida por (Gupta & Kundu, 1999), com várias
propriedades importantes e interessantes, podendo ser efetivamente
usadas na análise de dados de sobrevivencia. Ela é uma boa alternativa
para as já usuais distribuições Weibull e Gama, que são amplamente
usadas em análise de sobrevivência. Embora vários trabalhos tenham sido
feitos utilizando a distribuição GE, o estudo da distribui ção bivariada
GE é ainda limitado. Neste trabalho, quatro diferentes distribuições
exponenciais generalizadas bivariadas são derivadas das copulas
Farlie-Gumbel-Morgensten, Gumbel-Barnett, Clayton e Frank para modelar
dados. Nós investigamos o desempenho destas distribuições, no ajuste de
diferentes dependências, para um conjunto de dados reais, utilizado para
ilustrar o estudo proposto. A abordagem bayesiana foi apropriada para
estimar os parâmetros desconhecidos. A abordagem bayesiana é realizada
supondo distribuições a priori não-informativas para os parâmetros de
interesse, usando métodos MCMC (Markov Chain Monte Carlo).</div><div><br></div><div><br></div><div>Att,<br>Ricardo<br><br>Ricardo S Ehlers<br><div>Department of Applied Mathematics and Statistics<br>Institute of Mathematical and Computer Sciences<br>University of Sao Paulo at Sao Carlos<br>P.O. Box 668<br>13560-970 Sao Carlos - SP Brazil</div></div></div>