skip to main content
Idioma:
Primo Advanced Search
Primo Advanced Search Query Term
Primo Advanced Search prefilters
Busca Simples

Critérios de informação e seleção de modelos lineares mistos

Cruz, Rodrigo Marques Da

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Matemática e Estatística 2020-06-17

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Critérios de informação e seleção de modelos lineares mistos
  • Autor: Cruz, Rodrigo Marques Da
  • Orientador: Singer, Julio da Motta
  • Assuntos: Aic; Bic; Dados Longitudinais; Aic; Longitudinal Data
  • Notas: Dissertação (Mestrado)
  • Descrição: O modelo linear misto é amplamente utilizado na análise de medidas repetidas e de dados longitudinais, e compreende duas abordagens. A primeira é apropriada quando estamos interessados em parâmetros populacionais (efeitos fixos) e a segunda é indicada quando os coeficientes individuais (efeitos aleatórios) são de interesse. A seleção de modelos mistos, quando realizada por meio de critérios de informação, leva em conta estas diferenças de abordagem: o Critério de Informação de Akaike (AIC) marginal baseia-se na log-verossimilhança marginal, e o Critério de Informação de Schwarz (BIC) é similar ao critério anterior, mas também inclui o número total de observações. O AIC condicional baseia-se na log-verossimilhança condicional aos efeitos aleatórios. Realizamos um estudo de simulação para observar o comportamento destes critérios frente a diversos cenários, concluindo que o AIC (marginal ou condicional) e o BIC apresentaram frequência de seleção do modelo correto elevada mesmo para tamanho amostral reduzido (n = 10), desde que a quantidade de observações por indivíduo seja elevada (m 13). Além disso, quanto mais correlacionados os dados, são necessários tanto tamanho amostral quanto número de observações por indivíduo maiores (n 30 e m 16, respectivamente) para detecção do modelo correto. Consideramos dois exemplos em que ilustramos a aplicação do AIC marginal e do AIC condicional. Mostramos que a seleção de modelos por intermédio dos critérios AIC e BIC é compatível com a análise de resíduos associada.
  • DOI: 10.11606/D.45.2020.tde-17082020-100010
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Matemática e Estatística
  • Data de criação/publicação: 2020-06-17
  • Formato: Adobe PDF
  • Idioma: Português
Links
Voltar para lista de resultados
Ir para página anteriorAnterior Resultado  9 AvançarIr para próxima página

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

Buscando em bases de dados remotas. Favor aguardar.