
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Oliveira, Izabela Regina Cardoso de | - |
| Autor(es): dc.contributor | Bueno Filho, Júlio Sílvio de Sousa | - |
| Autor(es): dc.contributor | Cerqueira, Pedro Henrique Ramos | - |
| Autor(es): dc.contributor | Fernandes, Tales Jesus | - |
| Autor(es): dc.contributor | Dorneles, Elaine Maria Seles | - |
| Autor(es): dc.creator | Melo, Roger Almeida Pereira | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:25:55Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:25:55Z | - |
| Data de envio: dc.date.issued | 2024-10-22 | - |
| Data de envio: dc.date.issued | 2024-10-22 | - |
| Data de envio: dc.date.issued | 2024-10-22 | - |
| Data de envio: dc.date.issued | 2024-06-20 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/59596 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1140670 | - |
| Descrição: dc.description | The Bayesian network is a method presented by Judea Pearl in 1985 that describes a probabi- listic graphical model, which represents a set of variables and their conditional dependencies with a directed acyclic graph. The vertices (or nodes) represent propositions (or variables), and directed edges (or arcs) signify the probabilistic dependencies between these variables. The objective of this study is to evaluate the use of Bayesian networks for the selection of variables in regression models. This technique is compared with stepwise methods in simulation sce- narios that consider different sample sizes, correlations between the variables (responses and variables) and different numbers of variables. In addition to the simulation study, we present a practical application of Bayesian networks in this context. For this purpose, data from a study conducted between 2018 and 2019 involving veterinarians in Minas Gerais were used to iden- tify the most important risk factors associated with accidental exposure to antiviral vaccines, specifically, vaccines for Brucella abortus (Brucellosis). One of the results of interest in this study was the prevalence of brucellosis among these professionals, which was estimated using a logistic regression model. According to the Bayesian network, the most important covariates associated with accidental exposure to vaccines were knowledge about the symptoms of brucel- losis, whether the professional had performed premature childbirth procedures or abortions in the previous six months and the frequency with which the professional used personal protective equipment. All analyses were performed in R software using the bnlearn package. We recom- mend combining stepwise methods with Bayesian Networks, as stepwise methods are effective for automatic variable selection, while Bayesian Networks excel at visualizing and understan- ding indirect associations between variables. This combined approach enriches the analysis, providing a more comprehensive and detailed view of the results. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | A Rede bayesiana é um método apresentado por Judea Pearl em 1985 que descreve um modelo probabilístico gráfico, representando um conjunto de variáveis e suas dependências condicio- nais por meio de um grafo acíclico direcionado. Os vértices (ou nós) representam proposições (ou variáveis), as arestas (ou arcos), quando são direcionadas, significam as dependências pro- babilísticas entre essas variáveis. O objetivo deste trabalho é avaliar o uso de redes bayesia- nas para seleção de variáveis em modelos de regressão. A técnica é comparada com métodos stepwise em alguns cenários de simulação que consideram diferentes tamanhos amostrais, cor- relações entre as variáveis (resposta e variáveis) e diferentes números de variáveis. Além do estudo de simulação, apresentamos uma aplicação prática das redes bayesianas nesse contexto. Para isso, foram usados dados de uma pesquisa realizada entre 2018 e 2019, com médicos ve- terinários de Minas Gerais, com o objetivo de identificar os fatores de risco mais importantes associados à exposição acidental às vacinas anti-Brucella abortus (Brucelose). Uma das res- postas de interesse no trabalho é a prevalência de brucelose entre esses profissionais, que foi estimada a partir de um modelo de regressão logístico. Ao utilizar Rede bayesiana, as variáveis detectadas como mais importantes associadas à exposição acidental às vacinas foram o conhe- cimento sobre os sintomas da brucelose, se o profissional realizou procedimentos de partos prematuros ou abortos nos últimos seis meses e a frequência que o profissional usa equipamen- tos de proteção individual. Todas as análises foram realizadas no software R utilizando o pacote bnlearn. Recomendamos a combinação de métodos stepwise com redes bayesianas, pois os mé- todos stepwise são eficazes para a seleção automática de variáveis, enquanto as redes bayesianas são excelentes para visualizar e entender associações indiretas entre variáveis. Essa combinação enriquece a análise, oferecendo uma visão mais completa e detalhada dos resultados. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Publicador: dc.publisher | Programa de Pós-Graduação em Estatística e Experimentação Agropecuária | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | brasil | - |
| Publicador: dc.publisher | Instituto de Ciências Exatas e Tecnológicas – ICET | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | acesso aberto | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Palavras-chave: dc.subject | Redes bayesianas | - |
| Palavras-chave: dc.subject | Grafo acíclico direcionado | - |
| Palavras-chave: dc.subject | Modelo probabilístico | - |
| Palavras-chave: dc.subject | Métodos stepwise | - |
| Palavras-chave: dc.subject | Bayesian networks | - |
| Palavras-chave: dc.subject | Directed acyclic graph | - |
| Palavras-chave: dc.subject | Probabilistic model | - |
| Palavras-chave: dc.subject | Stepwise methods | - |
| Palavras-chave: dc.subject | Probabilidade e Estatística | - |
| Título: dc.title | Seleção de variáveis em modelos de regressão: uma avaliação do uso de redes de probabilidades condicionais | - |
| Título: dc.title | Variable selection in regression models: an evaluation of the use of conditional probability networks | - |
| Tipo de arquivo: dc.type | tese | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: