Critérios de seleção de modelos: um estudo comparativo

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Moura, Adriana Ribeiro
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal da Paraíba
Brasil
Informática
Programa de Pós-Graduação em Modelagem Matemática e computacional
UFPB
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Seleção de modelos
Critérios de informação
Distribuições Sup e Inf
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Link de acesso: https://repositorio.ufpb.br/jspui/handle/123456789/23007
Resumo: Several scienti c researches in various areas, including Statistics, have their study problems linked to practical situations, which can usually be explained through models, and it is common for researchers to come across more than one model describing the same phenomenon. Given this fact, authors defend the need for a standard criterion based on scienti c principles for choosing the model that best explains the phenomenon and the literature already has several criteria for selecting models with this objective. Thus, considering the families of generalized distributions Sup and Inf, the present work aims to propose a new model selection criterion for non-embedded models, based on these families of distributions and their properties and to compare their performance with the criteria: information criterion of Akaike (AIC), corrected Akaike information criterion (AICc), Bayesian information criterion (BIC), Hannan information criterion- Quinn (HQIC) and the modi ed t criteria of Crámer-Von Mises (W ) and Anderson-Darling (A ) through di erent simulation scenarios. Also for comparison purposes, its applicability was illustrated using real datasets. Additionally, the most important results on multiple linear regression were presented and simulations were performed in order to compare the performance of the new proposed criterion with the AIC, AICc, BIC and HQIC criteria in the selection of regression models, as well as an application to a set of real data.
id UFPB_e9ba4096979497af5e98a7ca7b1ad008
oai_identifier_str oai:repositorio.ufpb.br:123456789/23007
network_acronym_str UFPB
network_name_str Biblioteca Digital de Teses e Dissertações da UFPB
repository_id_str
spelling Critérios de seleção de modelos: um estudo comparativoSeleção de modelosCritérios de informaçãoDistribuições Sup e InfCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOSeveral scienti c researches in various areas, including Statistics, have their study problems linked to practical situations, which can usually be explained through models, and it is common for researchers to come across more than one model describing the same phenomenon. Given this fact, authors defend the need for a standard criterion based on scienti c principles for choosing the model that best explains the phenomenon and the literature already has several criteria for selecting models with this objective. Thus, considering the families of generalized distributions Sup and Inf, the present work aims to propose a new model selection criterion for non-embedded models, based on these families of distributions and their properties and to compare their performance with the criteria: information criterion of Akaike (AIC), corrected Akaike information criterion (AICc), Bayesian information criterion (BIC), Hannan information criterion- Quinn (HQIC) and the modi ed t criteria of Crámer-Von Mises (W ) and Anderson-Darling (A ) through di erent simulation scenarios. Also for comparison purposes, its applicability was illustrated using real datasets. Additionally, the most important results on multiple linear regression were presented and simulations were performed in order to compare the performance of the new proposed criterion with the AIC, AICc, BIC and HQIC criteria in the selection of regression models, as well as an application to a set of real data.NenhumaDiversas pesquisas cientí cas em várias áreas, inclusive em Estatística, têm seus problemas de estudo ligados a situações práticas, que normalmente podem ser explicadas através de modelos, sendo comum o pesquisador se deparar com mais de um modelo descrevendo um mesmo fenômeno. Diante desse fato, autores defendem a necessidade de um critério padrão baseado em princípios cientí cos para a escolha do modelo que melhor explique o fenômeno e a literatura já dispõe de vários critérios de seleção de modelos com esse objetivo. Assim, considerando as famílias de distribuições generalizadas Sup e Inf, o presente trabalho tem como objetivo propor um novo critério de seleção de modelos para modelos não encaixados, baseado nessas famílias de distribuições e suas propriedades e comparar seu desempenho com os critérios: critério de informação de Akaike (AIC), critério de informação de Akaike corrigido (AICc), critério de informação bayesiano (BIC), critério de informa ção de Hannan-Quinn (HQIC) e os critérios de adequação de ajuste modi cados de Crámer-Von Mises (W ) e Anderson-Darling (A ) através de diferentes cenários de simulação. Também para ns de comparação, foi ilustrado sua aplicabilidade por meio de conjuntos de dados reais. Adicionalmente, foram apresentados os resultados mais importantes sobre regressão linear múltipla e realizadas simulações com o objetivo de comparar o desempenho do novo critério proposto com os critérios AIC, AICc, BIC e HQIC na seleção de modelos de regressão, bem como uma aplicação a um conjunto de dados reais.Universidade Federal da ParaíbaBrasilInformáticaPrograma de Pós-Graduação em Modelagem Matemática e computacionalUFPBTablada, Claudio Javierhttp://lattes.cnpq.br/4108250414004838Silva, Renilma Pereira dahttp://lattes.cnpq.br/1669171314049567Moura, Adriana Ribeiro2022-06-06T20:12:56Z2021-09-212022-06-06T20:12:56Z2021-07-23info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttps://repositorio.ufpb.br/jspui/handle/123456789/23007porhttp://creativecommons.org/licenses/by-nd/3.0/br/info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFPBinstname:Universidade Federal da Paraíba (UFPB)instacron:UFPB2022-08-09T14:18:42Zoai:repositorio.ufpb.br:123456789/23007Biblioteca Digital de Teses e Dissertaçõeshttps://repositorio.ufpb.br/PUBhttp://tede.biblioteca.ufpb.br:8080/oai/requestdiretoria@ufpb.br|| bdtd@biblioteca.ufpb.bropendoar:2022-08-09T14:18:42Biblioteca Digital de Teses e Dissertações da UFPB - Universidade Federal da Paraíba (UFPB)false
dc.title.none.fl_str_mv Critérios de seleção de modelos: um estudo comparativo
title Critérios de seleção de modelos: um estudo comparativo
spellingShingle Critérios de seleção de modelos: um estudo comparativo
Moura, Adriana Ribeiro
Seleção de modelos
Critérios de informação
Distribuições Sup e Inf
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short Critérios de seleção de modelos: um estudo comparativo
title_full Critérios de seleção de modelos: um estudo comparativo
title_fullStr Critérios de seleção de modelos: um estudo comparativo
title_full_unstemmed Critérios de seleção de modelos: um estudo comparativo
title_sort Critérios de seleção de modelos: um estudo comparativo
author Moura, Adriana Ribeiro
author_facet Moura, Adriana Ribeiro
author_role author
dc.contributor.none.fl_str_mv Tablada, Claudio Javier
http://lattes.cnpq.br/4108250414004838
Silva, Renilma Pereira da
http://lattes.cnpq.br/1669171314049567
dc.contributor.author.fl_str_mv Moura, Adriana Ribeiro
dc.subject.por.fl_str_mv Seleção de modelos
Critérios de informação
Distribuições Sup e Inf
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
topic Seleção de modelos
Critérios de informação
Distribuições Sup e Inf
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description Several scienti c researches in various areas, including Statistics, have their study problems linked to practical situations, which can usually be explained through models, and it is common for researchers to come across more than one model describing the same phenomenon. Given this fact, authors defend the need for a standard criterion based on scienti c principles for choosing the model that best explains the phenomenon and the literature already has several criteria for selecting models with this objective. Thus, considering the families of generalized distributions Sup and Inf, the present work aims to propose a new model selection criterion for non-embedded models, based on these families of distributions and their properties and to compare their performance with the criteria: information criterion of Akaike (AIC), corrected Akaike information criterion (AICc), Bayesian information criterion (BIC), Hannan information criterion- Quinn (HQIC) and the modi ed t criteria of Crámer-Von Mises (W ) and Anderson-Darling (A ) through di erent simulation scenarios. Also for comparison purposes, its applicability was illustrated using real datasets. Additionally, the most important results on multiple linear regression were presented and simulations were performed in order to compare the performance of the new proposed criterion with the AIC, AICc, BIC and HQIC criteria in the selection of regression models, as well as an application to a set of real data.
publishDate 2021
dc.date.none.fl_str_mv 2021-09-21
2021-07-23
2022-06-06T20:12:56Z
2022-06-06T20:12:56Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufpb.br/jspui/handle/123456789/23007
url https://repositorio.ufpb.br/jspui/handle/123456789/23007
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal da Paraíba
Brasil
Informática
Programa de Pós-Graduação em Modelagem Matemática e computacional
UFPB
publisher.none.fl_str_mv Universidade Federal da Paraíba
Brasil
Informática
Programa de Pós-Graduação em Modelagem Matemática e computacional
UFPB
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFPB
instname:Universidade Federal da Paraíba (UFPB)
instacron:UFPB
instname_str Universidade Federal da Paraíba (UFPB)
instacron_str UFPB
institution UFPB
reponame_str Biblioteca Digital de Teses e Dissertações da UFPB
collection Biblioteca Digital de Teses e Dissertações da UFPB
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFPB - Universidade Federal da Paraíba (UFPB)
repository.mail.fl_str_mv diretoria@ufpb.br|| bdtd@biblioteca.ufpb.br
_version_ 1831315331853844480

Registros relacionados