skip to main content
Idioma:

Regressão binária nas abordagens clássica e Bayesiana

Fernandes, Amélia Milene Correia

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Estatística Interinstitucional do ICMC e UFSCarr 2016-12-16

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Regressão binária nas abordagens clássica e Bayesiana
  • Autor: Fernandes, Amélia Milene Correia
  • Orientador: Andrade Filho, Marinho Gomes de
  • Assuntos: Função De Ligação; Inferência Bayesiana; Inferência Clássica; Modelo De Regressão Binária; Variável Auxiliar; Bayesian Inference; Binary Regression Model; Classical Inference; Link Function
  • Notas: Dissertação (Mestrado)
  • Descrição: Este trabalho tem como objetivo estudar o modelo de regressão binária nas abordagens clássica e bayesiana utilizando as funções de ligações probito, logito, complemento log-log, transformação box-cox e probito-assimétrico. Na abordagem clássica apresentamos as suposições e o procedimento para ajustar o modelo de regressão e verificamos a precisão dos parâmetros estimados, construindo intervalos de confiança e testes de hipóteses. Enquanto que, na inferência bayesiana fizemos um estudo comparativo utilizando duas metodologias. Na primeira metodologia consideramos densidades a priori não informativas e utilizamos o algoritmo Metropolis-Hastings para ajustar o modelo. Na segunda metodologia utilizamos variáveis auxiliares para obter a distribuição a posteriori conhecida, facilitando a implementação do algoritmo do Amostrador de Gibbs. No entanto, a introdução destas variáveis auxiliares podem gerar valores correlacionados, o que leva à necessidade de se utilizar o agrupamento das quantidades desconhecidas em blocos para reduzir a autocorrelação. Através do estudo de simulação mostramos que na inferência clássica podemos usar os critérios AIC e BIC para escolher o melhor modelo e avaliamos se o percentual de cobertura do intervalo de confiança assintótica está de acordo com o esperado na teoria assintótica. Na inferência bayesiana constatamos que o uso de variáveis auxiliares resulta em um algoritmo mais eficiente segundo os critérios: erro quadrático médio (EQM), erro percentual absoluto médio (MAPE) e erro percentual absoluto médio simétrico (SMAPE). Como ilustração apresentamos duas aplicações com dados reais. Na primeira, consideramos um conjunto de dados da variação do Ibovespa e a variação do valor diário do fechamento da cotação do dólar no período de 2013 a 2016. Na segunda aplicação, trabalhamos com um conjunto de dados educacionais (INEP-2013), focando nos estudos das variáveis que influenciam a aprovação do aluno.
  • DOI: 10.11606/D.104.2017.tde-07042017-100311
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Estatística Interinstitucional do ICMC e UFSCarr
  • Data de criação/publicação: 2016-12-16
  • Formato: Adobe PDF
  • Idioma: Português
Links
Voltar para lista de resultados
Ir para página anteriorAnterior Resultado  3 AvançarIr para próxima página

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.