@MASTERSTHESIS{ 2018:1316461193,
 	title = {Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica},
 	year = {2018},
 	url = "https://tede.ufam.edu.br/handle/tede/6417",
 	abstract = "A estimação tradicional em mistura de modelos de regressão é baseada na suposição
 de normalidade para os erros aleatórios, sendo assim, sensível a outliers, caudas
 pesadas e erros assimétricos. Outra desvantagem é que, em geral, a análise é restrita a
 preditores que são observados diretamente.
 Apresentamos uma proposta para lidar com estas questões simultaneamente no
 contexto de mistura de regressões estendendo o modelo normal clássico. Assumimos
 que, conjuntamente e em cada componente da mistura, os erros aleatórios e as covariáveis
 seguem uma mistura de escala da distribuição normal assimétrica. Além disso, é feita a
 suposição de que as covariáveis são observadas com erro aditivo.
 Um algorítmo do tipo MCMC foi desenvolvido para realizar inferência Bayesiana.
 A eficácia do modelo proposto é verificada via análises de dados simulados e reais.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Matemática},
 	note = {Instituto de Ciências Exatas}
}