dc.contributor.author | Ferreira Junior, Luis Roberto | |
dc.date.accessioned | 2024-03-04T12:18:42Z | |
dc.date.available | 2024-03-04T12:18:42Z | |
dc.date.issued | 2024-02-02 | |
dc.identifier.citation | FERREIRA JUNIOR, Luis Roberto. Modelo de regressão logı́stica com mistura de distribuições : estimadores de máxima verossimilhança e bayesiano utilizando o Stan. 2024. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de São Carlos, São Carlos, 2024. Disponível em: https://repositorio.ufscar.br/handle/ufscar/19575. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/19575 | |
dc.description.abstract | We explore the logist regression model, estimating its parameters through maximum likelihood and Bayesian estimators.
We use mixtures of distributions for 𝐾 = 1 and 2 components.
The Hamiltonian Monte Carlo implemented in Stan is used to obtain the Bayesian estimates and R for the MLEs. | eng |
dc.description.sponsorship | Não recebi financiamento | 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 | Regressão logı́stica | por |
dc.subject | Modelo de mistura | por |
dc.subject | Inferência bayesiana | por |
dc.subject | Marketing | eng |
dc.subject | Logistic regression | eng |
dc.subject | Mixture model | eng |
dc.subject | Bayesian inference | eng |
dc.title | Modelo de regressão logı́stica com mistura de distribuições : estimadores de máxima verossimilhança e bayesiano utilizando o Stan | por |
dc.title.alternative | Logistic regression model with mixture of distributions : maximum likelihood and Bayesian estimators using Stan | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Milan, Luis Aparecido | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7435391829973844 | por |
dc.description.resumo | Neste trabalho foi explorado o modelo de regressão logı́stica aplicado em um conjunto
de dados reais a partir de duas perspectivas: realizando o ajuste do modelo logı́stico uti-
lizando o estimador de máxima verosimilhança; e realizando o ajuste do modelo por meio
de uma abordagem bayesiana com mistura de distribuições para 𝐾 = 1 e 2 componentes,
utilizando o Método de Monte Carlo Hamiltoniano, implementado no software Stan por
meio do pacote brms do R. Realizamos a comparação entre os coeficientes estimados pe-
los modelos ajustados pelo estimador de máxima verossimilhança e o modelo bayesiano
para 𝐾 = 1 componente, em que observamos grande semelhança entre eles. No modelo
logı́stico com mistura de 𝐾 = 2 componentes, o modelo não convergiu. No estudo de
simulação realizado, simulamos dados considerando as duas variações da mistura (𝐾 = 1
e 𝐾 = 2). Na primeira variação (𝐾 = 1), o modelo convergiu apenas para 𝐾 = 1 e não
para 𝐾 = 2. Concluı́mos, por saber a natureza dos dados simulados, que houve não iden-
tificabilidade dos parâmetros devido ao sobre ajuste. Nos dados simulados considerando
𝐾 = 2, o modelo de mistura para 𝐾 = 2 convergiu. Assim, após contatar o problema de
não identificabilidade devido ao sobre ajuste, concluı́mos que o modelo mais adequado
para o conjunto de dados reais analisado é o modelo para uma componente 𝐾 = 1. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADAS | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/7719658600145777 | por |
dc.publisher.course | Estatística - Es | por |