skip to main content
Idioma:
Tipo de recurso Mostra resultados com: Mostra resultados com: Índice

Um procedimento para seleção de variáveis em modelos lineares generalizados duplos

Lucas Leite Cavalaro Gustavo Henrique de Araujo Pereira

2019

Localização: ICMC - Inst. Ciên. Mat. Computação    (T C376pp e.1 )(Acessar)

  • Título:
    Um procedimento para seleção de variáveis em modelos lineares generalizados duplos
  • Autor: Lucas Leite Cavalaro
  • Gustavo Henrique de Araujo Pereira
  • Assuntos: MODELOS LINEARES GENERALIZADOS; MÉTODO DE MONTE CARLO; REGRESSÃO LINEAR; Critérios De Informação; Double Generalized Linear Models; Information Criteria; Modelos Lineares Generalizados Duplos; Seleção De Variáveis; Stepwise; Variable Selection
  • Notas: Dissertação (Mestrado)
  • Descrição: Os modelos lineares generalizados duplos (MLGD), diferentemente dos modelos lineares generalizados (MLG), permitem o ajuste do parâmetro de dispersão da variável resposta em função de variáveis preditoras, aperfeiçoando a forma de modelar fenômenos. Desse modo, os mesmos são uma possível solução quando a suposição de que o parâmetro de dispersão constante não é razoável e a variável resposta tem distribuição que pertence à família exponencial. Considerando nosso interesse em seleção de variáveis nesta classe de modelos, estudamos o esquema de seleção de variáveis em dois passos proposto por Bayer e Cribari-Neto (2015) e, com base neste método, desenvolvemos um esquema para seleção de variáveis em até k passos. Para verificar a performance do nosso procedimento, realizamos estudos de simulação de Monte Carlo em MLGD. Os resultados obtidos indicam que o nosso procedimento para seleção de variáveis apresenta, em geral, performance semelhante ou superior à das demais metodologias estudadas sem necessitar de um grande custo computacional. Também avaliamos o esquema para seleção de variáveis em até \"k\" passos em um conjunto de dados reais e o comparamos com diferentes métodos de regressão. Os resultados mostraram que o nosso procedimento pode ser também uma boa alternativa quando possui-se interesse em realizar previsões.
  • Data de criação/publicação: 2019
  • Formato: 85 p.
  • Idioma: Português
Links
Voltar para lista de resultados

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

Buscando em bases de dados remotas. Favor aguardar.