Modelo de mistura de regressão: uma abordagem bayesiana

Cotrim, Luiz Gabriel Fernandes

dc.contributor.author	Cotrim, Luiz Gabriel Fernandes
dc.date.accessioned	2020-06-10T15:00:18Z
dc.date.available	2020-06-10T15:00:18Z
dc.date.issued	2020-04-14
dc.identifier.citation	COTRIM, Luiz Gabriel Fernandes. Modelo de mistura de regressão: uma abordagem bayesiana. 2020. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2020. Disponível em: https://repositorio.ufscar.br/handle/ufscar/12896.	*
dc.identifier.uri	https://repositorio.ufscar.br/handle/ufscar/12896
dc.description.abstract	In the current dissertation, we study the mixture regression models and present two Bayesian methodologies for their estimation. The first one considers the number of components is known and we propose the use of two Bayesian model selection criteria, DIC and EBIC, to identify the number of components. In the other one, we propose a reversible jump algorithm with splitmerge steps that estimates parameters and the number of components. We apply the proposed methodologies and also the EM algorithm, already available in R package, for simulated dataset and for Brazilian educational data, studying the relationship among the Basic Education Development Index and some socioeconomic and demographic data.	eng
dc.description.sponsorship	Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)	por
dc.language.iso	por	por
dc.publisher	Universidade Federal de São Carlos	por
dc.rights	Attribution-NonCommercial-NoDerivs 3.0 Brazil	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/br/	*
dc.subject	Modelo de mistura	por
dc.subject	Modelo de mistura de regressão	por
dc.subject	Inferência Bayesiana	por
dc.subject	MCMC	por
dc.subject	EBIC	por
dc.subject	IDEB	por
dc.subject	Data-driven reversible jump	eng
dc.title	Modelo de mistura de regressão: uma abordagem bayesiana	por
dc.title.alternative	Regression mixture model: a bayesian approach	eng
dc.type	Dissertação	por
dc.contributor.advisor1	Zuanetti, Daiane Aparecida
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/8352484284929824	por
dc.description.resumo	Nesse trabalho, estudamos os modelos de mistura de regressão e apresentamos duas metodologias Bayesianas para a estimação deles. A primeira considerando que o número de componentes é conhecido e propomos a utilização de critérios de seleção de modelos com enfoque Bayesiano, DIC e EBIC, para estimar o número de componentes da mistura. Na segunda, propomos um algoritmo reversible jump com passos de split-merge que estima conjuntamente os parâmetros do modelo e o número de componentes da mistura. Aplicamos as metodologias propostas e também o algoritmo EM, já disponível em pacote R, em dados simulados e em dados educacionais brasileiros, estudando a relação entre o Índice de Desenvolvimento da Educação Básica e alguns dados socioeconômicos e demográficos.	por
dc.publisher.initials	UFSCar	por
dc.publisher.program	Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs	por
dc.subject.cnpq	CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS	por
dc.subject.cnpq	CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::FUNDAMENTOS DA ESTATISTICA	por
dc.subject.cnpq	CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA EM PROCESSOS ESTOCASTICOS	por
dc.subject.cnpq	CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA NAO-PARAMETRICA	por
dc.subject.cnpq	CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA PARAMETRICA	por
dc.subject.cnpq	CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::PLANEJAMENTO DE EXPERIMENTOS	por
dc.subject.cnpq	CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::REGRESSAO E CORRELACAO	por
dc.description.sponsorshipId	CAPES: Código de Financiamento 001	por
dc.publisher.address	Câmpus São Carlos	por
dc.contributor.authorlattes	http://lattes.cnpq.br/1185342603980646	por