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 | Costa, Patrícia Lusié Velozo da | - |
Autor(es): dc.contributor | Pinto Junior, Jony Arrais | - |
Autor(es): dc.contributor | Erbisti, Rafael Santos | - |
Autor(es): dc.contributor | Capistrano, Estelina Serrano de Marins | - |
Autor(es): dc.creator | Bragança, Rondinelli Gomes | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:17:24Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:17:24Z | - |
Data de envio: dc.date.issued | 2021-05-07 | - |
Data de envio: dc.date.issued | 2021-05-07 | - |
Data de envio: dc.date.issued | 2019 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/21947 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/767554 | - |
Descrição: dc.description | Modelos estatísticos servem para descrever o comportamento probabilístico de fenômenos de interesse permitindo analisá-los, prevê-los e tomar decisões pertinentes. Modelos de regressão linear são muito utilizados em diversas áreas. Esses modelos possuem suposições fortes como independência que em geral não se ajustam a dados espaciais. Modelos de regressão linear podem ser combinados com modelos espaciais. Dados espaciais podem ser divididos em 3 tipos: padrão de pontos, dados de área e dados geoestatísticos. Esse trabalho visa avaliar modelos de regressão linear inicialmente e posteriormente modelos para dados geoestatísticos através da função de covariância exponencial. Parâmetros desconhecidos são encontrados nesses modelos e a inferência adotada nesse trabalho é a Bayesiana por permitir que a crença inicial do especialista seja incorporada a modelagem, aumentando a quantidade de informação avaliada e melhorando portanto as estimativas. Ao ajustar os modelos a conjuntos de dados simulados é possível verificar a capacidade dos ajustes recuperarem os verdadeiros valores dos parâmetros e selecionar o verdadeiro modelo | - |
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 | Estatística espacial | - |
Palavras-chave: dc.subject | Geoestatística | - |
Palavras-chave: dc.subject | Inferência Bayesiana | - |
Palavras-chave: dc.subject | Modelo de regressão linear | - |
Palavras-chave: dc.subject | Métodos de Monte Carlo via cadeias de Markov | - |
Palavras-chave: dc.subject | Erro médio quadrático | - |
Palavras-chave: dc.subject | Inferência bayesiana | - |
Palavras-chave: dc.subject | Geoestatística | - |
Palavras-chave: dc.subject | Regressão (Estatística) | - |
Palavras-chave: dc.subject | Modelo linear (Estatística) | - |
Título: dc.title | Inferência Bayesiana aplicada em modelo de regressão linear e modelo espacial | - |
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: