Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Pinto Junior, Jony Arrais | - |
Autor(es): dc.contributor | Souza, Mariana Albi de Oliveira | - |
Autor(es): dc.contributor | Alves, Larissa de Carvalho | - |
Autor(es): dc.creator | Carneiro, Denise de Oliveira Alves | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:33:50Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:33:50Z | - |
Data de envio: dc.date.issued | 2020-06-30 | - |
Data de envio: dc.date.issued | 2020-06-30 | - |
Data de envio: dc.date.issued | 2017 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/14169 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/752848 | - |
Descrição: dc.description | A quantidade de dados gerados no dia a dia tem aumentado demasiadamente e com isso o interesse em se explicar um determinado desfecho tem-se tornado mais difícil, muitas vezes pela presença da multicolinearidade. Então surge a necessidade de métodos de seleção de variáveis que além de serem eficientes sejam mais rápidos e mais fáceis de se utilizar. Existem vários métodos de seleção de variáveis disponíveis na literatura. Dentre os mais utilizados estão o critério de informação de Akaike, AIC, de informação bayesiana, BIC, e o de informação do desvio, DIC, porém estes métodos são divididos em dois passos, ajustar todos os modelos possíveis e posteriormente calcular uma das medidas citadas para cada modelo e compará-los a fim de saber qual o melhor modelo. Como pode-se observar estes métodos podem ser bastante trabalhosos ou até mesmo inviáveis em alguns cenários. Uma possível alternativa aos métodos clássicos é a utilização de métodos de seleção de variáveis com o enfoque bayesiano. Os métodos bayesianos de seleção de variáveis baseiam-se em um único ajuste e utilizam uma variável indicadora responsável por determinar se uma variável é selecionada ou não e com isso torna possível quantificar a probabilidade de cada variável ser selecionada e a probabilidade de um determinado modelo ser escolhido. Neste trabalho é apresentado um estudo voltado para modelos de regressão linear múltiplo com três métodos bayesianos de seleção de variáveis: método de seleção de variáveis de Kuo & Mallick, métodos de seleção de variáveis de Gibbs e método de seleção de variáveis via busca estocástica. O objetivo é comparar tais métodos, através de um estudo de simulação de dois cenários (com presença/ausência de multicolinearidade) e modificando o valor inicial das variáveis indicadoras. Os três métodos estudados apresentaram bons resultados em ambos os cenários. Para os dois cenários observados o método de seleção de variáveis via busca estocástica se mostrou o mais rápido e o melhor por apresentar a maior probabilidade de o modelo correto ser visitado, sendo visitado 100% das vezes no cenário dependente quando as 4 primeiras variáveis indicadoras assumiram como valor inicial 1. Os valores iniciais adotados para todos os métodos nos dois cenários não influenciaram no ajuste do modelo para a probabilidade a posteriori, com exceção do método de seleção de variáveis via busca estocástica que sofreu influência quando se inicializava as quatro primeiras covariáveis em zero, caindo absurdamente a probabilidade. Este trabalho utilizou uma abordagem completamente bayesiana e os resultados computacionais foram obtidos por meio do R e BUGS (Bayesian inference Using Gibbs Sampling) | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Métodos de seleção de variáveis | - |
Palavras-chave: dc.subject | KM, GVS, SSVS | - |
Palavras-chave: dc.subject | Inferência bayesiana | - |
Palavras-chave: dc.subject | OpenBUGS | - |
Palavras-chave: dc.subject | Inferência bayesiana | - |
Palavras-chave: dc.subject | Regressão linear múltipla | - |
Palavras-chave: dc.subject | Análise estatística | - |
Título: dc.title | Métodos bayesianos de seleção de variáveis | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: