Uma modelagem estatística do tempo até a aposentadoria dos servidores estatutários civis do poder executivo da União

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorRodrigues, Guilherme Souza-
Autor(es): dc.contributorigorrm.est@gmail.com-
Autor(es): dc.creatorMendonça, Igor Ribeiro-
Data de aceite: dc.date.accessioned2022-08-15T13:38:43Z-
Data de disponibilização: dc.date.available2022-08-15T13:38:43Z-
Data de envio: dc.date.issued2022-03-16-
Data de envio: dc.date.issued2022-03-16-
Data de envio: dc.date.issued2022-03-17-
Data de envio: dc.date.issued2021-11-28-
Fonte completa do material: dc.identifierhttps://repositorio.unb.br/handle/10482/43056-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/713556-
Descrição: dc.descriptionDissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2021.-
Descrição: dc.descriptionEste trabalho se propõe a criar um modelo linear para estimar o tempo até a aposentadoria dos servidores estatutários civis da União. A partir de uma base de dados cadastrais fornecida e gerada em agosto de 2019 pela Secretária de Previdência do Governo e utilizando o algoritmo Generalized Additive Model for Location Scale and Shape (GAMLSS). Os dados cadastrais foram tratados para filtrar os servidores ativos aptos a aposentar em cada ano de 2005 a 2018. Procedimento que gera censuras nos tempos até a aposentadoria observados, o que foi tratado na modelagem proposta. O modelo foi então comparado quantitativamente com outros tipos de arquitetura, como redes neurais, e qualitativamente com modelos da literatura que propuseram a modelar a aposentadoria também. Por fim, o valor estimado até o tempo até a aposentadoria é tratado para levar em conta regra previdenciária da idade compulsória, que o servidor é obrigado a se aposentar.-
Descrição: dc.descriptionThis work suggests a linear model to estimate the time until retirement of civilian public workers of Brazil’s Government. The data used was provided and generated in August of 2019 by the Department of Retirement of Brazil and the algorithm used in the work is Generalized Additive Model for Location Scale and Shape (GAMLSS). The registered data were treated to filter the workers that were active and had acquired the right to retire in each year from 2005 until 2018. The procedure to this filter produces censorship in the time until retirement observed in the data, which was treated in the development of the model. Then, the final model was compared quantitatively with other kinds of algorithms, such as neural nets and deep learning models, and compared qualitatively with other proposals from the literature that tried to model retirement as well. At last, the time estimated to retirement is treated to accomodate a retirement law that requires the public worker to retire when a certain age is reached.-
Formato: dc.formatapplication/pdf-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectModelos lineares-
Palavras-chave: dc.subjectAposentadoria-
Palavras-chave: dc.subjectRedes neurais-
Palavras-chave: dc.subjectDados censurados-
Palavras-chave: dc.subjectAnálise de sobrevivência-
Título: dc.titleUma modelagem estatística do tempo até a aposentadoria dos servidores estatutários civis do poder executivo da União-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.