Comparando o poder preditivo de processos de Cox log-Gaussianos: uma abordagem via WAIC e validação cruzada

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPinto Junior, Jony Arrais-
Autor(es): dc.contributorVelarde, Luis Guillermo Coca-
Autor(es): dc.contributorSantos, Wilson Calmon Almeida dos-
Autor(es): dc.creatorNobrega, Bruno Leonardo dos Santos-
Data de aceite: dc.date.accessioned2024-07-11T18:39:42Z-
Data de disponibilização: dc.date.available2024-07-11T18:39:42Z-
Data de envio: dc.date.issued2020-07-21-
Data de envio: dc.date.issued2020-07-21-
Data de envio: dc.date.issued2016-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/14418-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/774940-
Descrição: dc.descriptionUma 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.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectPadrões de pontos-
Palavras-chave: dc.subjectComparação-
Palavras-chave: dc.subjectPoder preditivo-
Palavras-chave: dc.subjectModelo estatístico-
Palavras-chave: dc.subjectPrevisão-
Título: dc.titleComparando o poder preditivo de processos de Cox log-Gaussianos: uma abordagem via WAIC e validação cruzada-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.