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 | Velarde, Luis Guillermo Coca | - |
Autor(es): dc.contributor | Santos, Wilson Calmon Almeida dos | - |
Autor(es): dc.creator | Nobrega, Bruno Leonardo dos Santos | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:39:42Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:39:42Z | - |
Data de envio: dc.date.issued | 2020-07-21 | - |
Data de envio: dc.date.issued | 2020-07-21 | - |
Data de envio: dc.date.issued | 2016 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/14418 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/774940 | - |
Descrição: dc.description | Uma fase muito importante em qualquer análise estatística trata-se da escolha do modelo a ser utilizado. Muitos autores têm discutido a difícil tarefa de selecionar modelos tanto do ponto de vista frequentista quanto Bayesiano. Dentre os métodos mais utilizados pode-se citar o fator de Bayes e os critérios AIC, BIC, DIC, entre outros. Este projeto tem por objetivo estudar e comparar critérios para a seleção de modelos de Cox log-Gaussianos para padrões de pontos com base em métodos preditivos, isto é, o modelo M preferível será aquele que consegue prever melhor observações futuras geradas de um mesmo processo que os dados originais. O entendimento destas técnicas no contexto de dados georreferenciados é de extrema importância, uma vez que possibilitarão a escolha de um modelo parcimonioso com alto poder preditivo, permitindo que políticas públicas de saúde e segurança, por exemplo, sejam adotadas, uma vez que padrões de pontos de sinistros de veículos e óbitos por doenças infecciosas, como o HIV, em um município seriam típicos problemas tratados neste contexto. Das técnicas estudadas, se incluem critérios básicos propostos, obtendo-lhes por cálculos sobre a distribuição preditiva e outros critérios existentes na literatura como WAIC, LOO e K-fold. Neste projeto pretende-se utilizar uma abordagem completamente Bayesiana. Toda a metodologia será implementada no software livre R e OpenBUGS, com todos os resultados obtidos via estudos com dados simulados, tornando possível verificar se os critérios recuperam bem o modelo original gerador dos dados | - |
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 | Padrões de pontos | - |
Palavras-chave: dc.subject | Comparação | - |
Palavras-chave: dc.subject | Poder preditivo | - |
Palavras-chave: dc.subject | Modelo estatístico | - |
Palavras-chave: dc.subject | Previsão | - |
Título: dc.title | Comparando o poder preditivo de processos de Cox log-Gaussianos: uma abordagem via WAIC e validação cruzada | - |
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: