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 | Santos, Wilson Calmon Almeida dos | - |
Autor(es): dc.contributor | Gonçalves, Kelly Cristina Mota | - |
Autor(es): dc.contributor | Souza, Mariana Albi de Oliveira | - |
Autor(es): dc.creator | Goltara, Jessyka Amorim Padilha | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:45:25Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:45:25Z | - |
Data de envio: dc.date.issued | 2020-05-05 | - |
Data de envio: dc.date.issued | 2020-05-05 | - |
Data de envio: dc.date.issued | 2019 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/13481 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/776927 | - |
Descrição: dc.description | Regressão é uma ferramenta que permite explorar e inferir sobre a relação de uma variável resposta com variáveis explicativas. Essa relação pode ser expressa através de um modelo matemático. Os modelos de regressão linear são muito utilizados em diversas áreas e consistem basicamente em atribuir uma estrutura linear para a média do processo. Apesar de extremamente úteis, por atenderem situações nas quais a média da variável resposta é explicada por um conjunto de variáveis independentes, estes modelos tornam-se inapropriados quando o interesse não é modelar o comportamento médio da população. Como uma alternativa a esta classe de modelos, modelos de regressão quantílica mostram-se vantajosos quando o interesse está na análise de qualquer quantil populacional. Modelos de regressão quantílica também servem para analisar quantis em modelos lineares e não lineares, tendo ainda o benefício de serem menos sensíveis a \textit{outliers} por utilizarem medidas mais robustas a tais observações e, nesse caso, analisar a mediana da distribuição pode ser mais eficiente do que analisar a média tornando a regressão quantílica mais apropriada. Sob o ponto de vista bayesiano, para estimar os parâmetros dessa relação utiliza-se a distribuição de Laplace assimétrica, onde faz-se necessário utilizar os métodos de Monte Carlo via Cadeias de Markov para gerar amostras da posteriori. No presente trabalho, serão abordados a comparação entre o modelo linear e modelos quantílicos clássico e bayesiano quando alguma suposição do modelo linear não for atendida. Dados simulados serão utilizados para analisar a eficiência na estimação dos parâmetros, tempo computacional necessário e para comprar modelos diferentes aplicados a um mesmo conjunto de dados. Em seguida, os modelos serão aplicados em um conjuntos e dados reais sobre o Índice de Desenvolvimento Humano | - |
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 | - |
Palavras-chave: dc.subject | Regressão linear | - |
Palavras-chave: dc.subject | Modelos lineares | - |
Palavras-chave: dc.subject | Regressão quantílica | - |
Palavras-chave: dc.subject | Modelos quantílicos | - |
Palavras-chave: dc.subject | Regressão quantílica bayesiana | - |
Palavras-chave: dc.subject | Distribuição Laplace assimétrica | - |
Palavras-chave: dc.subject | Regressão (Estatística) | - |
Título: dc.title | Analisando a eficiência da regressão quantílica em diferentes tipos de dados | - |
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: