Show simple item record

Comparação de medidas de avaliação do poder preditivo em modelos com resposta binária

dc.contributor.authorAlmeida, Claudio Henrique Leão de
dc.date.accessioned2021-03-18T15:11:33Z
dc.date.available2021-03-18T15:11:33Z
dc.date.issued2020-12-14
dc.identifier.citationALMEIDA, Claudio Henrique Leão de. Comparação de medidas de avaliação do poder preditivo em modelos com resposta binária. 2020. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de São Carlos, São Carlos, 2020. Disponível em: https://repositorio.ufscar.br/handle/ufscar/13995.*
dc.identifier.urihttps://repositorio.ufscar.br/handle/ufscar/13995
dc.description.abstractNot availablepor
dc.description.sponsorshipNão recebi financiamentopor
dc.language.isoporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rightsCC0 1.0 Universal*
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/*
dc.subjectÁrea sob a curva ROC, estatística KS, medida H, modelos lineares generalizados, regressão logísticapor
dc.titleComparação de medidas de avaliação do poder preditivo em modelos com resposta bináriapor
dc.title.alternativeComparison of prefomance measuses in binary regression modelspor
dc.typeTCCpor
dc.contributor.advisor1Pereira, Gustavo Henrique de Araujo
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4536501674241631por
dc.description.resumoOs Modelos Lineares Gereralizados (MLGs) foram propostos por Nelder e Wedderburn (1972) como uma extensão do modelo de regressão linear múltipla. Neste trabalho, utilizamos um caso particular dos MLGs, que é a Regressão Logística, empregada quando a variável resposta é binária. Nesse modelo frequentemente tem-se o interesse em saber se as observações estão sendo classificadas corretamente e se novas observações também serão classificadas perfeitamente, ou seja, saber o poder de predição dos modelos. Para isso, foram criadas medidas que verificam o desempenho desses modelos quanto a classificação das observações. Nesta monografia comparamos três dessas medidas: a área sob a curva ROC, a estatística KS e a medida H. Essa comparação foi feita a partir de estudos de simulação e também em bancos de dados reais, através de cálculos de algumas proporções e da construção de alguns boxplots. A principal conclusão que obtemos neste trabalho é que, para quando os coeficientes de regressão são pequenos (em torno do valor 1), o coeficiente de Gini apresenta melhor performance que as demais medidas na avaliação do poder preditivo de modelos de regressão para resposta binária. Já quando o ajuste de regressão apresenta coeficientes com altos valores (em torno do valor 3), a medida H também torna-se um medida com performance compatível ao coeficiente de Gini.por
dc.publisher.initialsUFSCarpor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::REGRESSAO E CORRELACAOpor
dc.publisher.addressCâmpus São Carlospor
dc.contributor.authorlatteshttp://lattes.cnpq.br/4118501720281480por
dc.publisher.courseEstatística - Espor


Files in this item

Thumbnail
Name:
Relatório TG - Claudio.pdf
Size:
744.9Kb
Format:
PDF
View/Open
Thumbnail
Name:
license_rdf
Size:
701bytes
Format:
application/rdf+xml
View/Open

This item appears in the following Collection(s)

Show simple item record

CC0 1.0 Universal
Except where otherwise noted, this item's license is described as CC0 1.0 Universal