dc.contributor.author | Goes, Gustavo Ramos de | |
dc.date.accessioned | 2024-07-17T20:27:45Z | |
dc.date.available | 2024-07-17T20:27:45Z | |
dc.date.issued | 2024-01-25 | |
dc.identifier.citation | GOES, Gustavo Ramos de. Uma análise de regressão logística usando componentes principais. 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/20056. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/20056 | |
dc.description.abstract | In this Bachelors dissertation we studied, in the context of logistic regression models, the case in which the number of covariables is large and the covariables are correlated. In this situation, we use the principal component analysis technique in order to reduce the number of the variables (dimension) involved in the data set. We present two examples of logistic regression and one of principal component analysis, as well as a comparison between an application with both methodologies, applied jointly, and an application using only logistic regression. | eng |
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 | Análise de componentes principais | por |
dc.subject | Redução de dimensionalidade | por |
dc.subject | Regressão logística | por |
dc.subject | Dimensionality reduction | eng |
dc.subject | Logist regression | eng |
dc.subject | Principal component analysis | eng |
dc.title | Uma análise de regressão logística usando componentes principais | por |
dc.title.alternative | A logistic regression analysis using principal components | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Martins Dias, Teresa Cristina | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/0187724276640668 | por |
dc.description.resumo | Neste Trabalho de Conclusão de Curso (TCC) estudamos, no contexto modelos de regressão logística, o caso em que o número de covariáveis é grande e as covariáveis são correlacionadas. Nesta situação, usamos a técnica análise de componentes principais a fim de reduzir o número de covariáveis (dimensão) envolvidas no conjunto de dados. Apresentamos dois exemplos de regressão logística e um de análise de componentes principais, além de uma comparação entre uma aplicação com as duas metodologias, aplicadas conjuntamente, e uma aplicação usando, apenas, a regressão logística. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/9198939559564510 | por |
dc.publisher.course | Estatística - Es | por |
dc.contributor.advisor1orcid | https://orcid.org/0000-0001-6065-7627 | por |