Modelo de mistura de regressão: uma abordagem bayesiana

Página do item simplificado
dc.contributor.advisor1Zuanetti, Daiane Aparecida
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8352484284929824por
dc.contributor.authorCotrim, Luiz Gabriel Fernandes
dc.contributor.authorlatteshttp://lattes.cnpq.br/1185342603980646por
dc.date.accessioned2020-06-10T15:00:18Z
dc.date.available2020-06-10T15:00:18Z
dc.date.issued2020-04-14
dc.description.abstractIn 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.resumoNesse 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.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)por
dc.description.sponsorshipIdCAPES: Código de Financiamento 001por
dc.identifier.citationCOTRIM, 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/20.500.14289/12896.*
dc.identifier.urihttps://repositorio.ufscar.br/handle/20.500.14289/12896
dc.language.isoporpor
dc.publisherUniversidade Federal de São Carlospor
dc.publisher.addressCâmpus São Carlospor
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma Interinstitucional de Pós-Graduação em Estatística - PIPGEspor
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectModelo de misturapor
dc.subjectModelo de mistura de regressãopor
dc.subjectInferência Bayesianapor
dc.subjectMCMCpor
dc.subjectEBICpor
dc.subjectIDEBpor
dc.subjectData-driven reversible jumpeng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOSpor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::FUNDAMENTOS DA ESTATISTICApor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA EM PROCESSOS ESTOCASTICOSpor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA NAO-PARAMETRICApor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA PARAMETRICApor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::PLANEJAMENTO DE EXPERIMENTOSpor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::REGRESSAO E CORRELACAOpor
dc.titleModelo de mistura de regressão: uma abordagem bayesianapor
dc.title.alternativeRegression mixture model: a bayesian approacheng
dc.typeDissertaçãopor

Arquivos

Pacote Original

Agora exibindo 1 - 2 de 2
Imagem de Miniatura
Nome:
Luiz Cotrim - Dissertação Mestrado.pdf
Tamanho:
11.15 MB
Formato:
Adobe Portable Document Format
Descrição:
Dissertação de mestrado de Luiz Cotrim
Baixar
Imagem de Miniatura
Nome:
carta-comprovante PIPGEs.pdf
Tamanho:
266.86 KB
Formato:
Adobe Portable Document Format
Descrição:
carta comprovante assinada pela orientadora
Baixar

Coleções

Teses e Dissertações