@MASTERSTHESIS{ 2012:456037295,
 	title = {Modelagem bayesiana flexível em regressão com erros nas variáveis},
 	year = {2012},
 	url = "http://tede.ufam.edu.br/handle/tede/3669",
 	abstract = "Em modelos de regressão, o pressuposto clássico de normalidade para a distribuição
 dos erros aleatórios é muitas vezes violado, mascarando algumas características importantes
 da variabilidade dos dados. Algumas ações práticas para resolver esse problema,
 como transformações nos dados, revelam-se muitas vezes ineficazes.
 Neste trabalho apresentamos uma proposta para lidar com esta questão no contexto do
 modelo de regressão multivariada linear simples, quando a variável resposta e a variável
 regressora são observadas com erro aditivo   o chamado modelo de regressão linear com
 erros nas variáveis. Em tais modelos, o pesquisador observa uma variável substituta em
 vez da covariável de interesse. Nós estendemos o modelo clássico normal, modelando
 a distribuição conjunta da covariável e dos erros aleatórios por uma mistura finita de
 densidades pertencentes a uma família de distribuições bem geral, acomodando ao mesmo
 tempo assimetria, caudas pesadas e multimodalidade, permitindo um grau de flexibilidade
 que não pode ser atingido pelo modelo normal.
 Para a parte de estimação desenvolvemos um algoritmo do tipo Gibbs para proceder
 estimação Bayesiana. Alguns modelos propostos foram comparados com modelos simétricos
 já existentes na literatura, utilizando um critério DIC modificado, através da análise
 de dados simulados e reais.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Matemática},
 	note = {Instituto de Ciências Exatas}
}