Modelos lineares parciais aditivos generalizados com suavização por meio de P-splines

• Ano de defesa: 2018
• Autor(a) principal: Holanda, Amanda Amorim
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Generalized additive models; Generalized linear models; Generalized partial linear models; Método de suavização; Modelos aditivos generalizados; Modelos lineares generalizados; Modelos lineares parciais generalizados; Modelos parcialmente lineares; Modelos semiparamétricos; P-splines; Partial linear models; Semiparametric models; Smoothing method; Splines
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/45/45133/tde-31052018-113859/

Neste trabalho apresentamos os modelos lineares parciais generalizados com uma variável explicativa contínua tratada de forma não paramétrica e os modelos lineares parciais aditivos generalizados com no mínimo duas variáveis explicativas contínuas tratadas de tal forma. São utilizados os P-splines para descrever a relação da variável resposta com as variáveis explicativas contínuas. Sendo assim, as funções de verossimilhança penalizadas, as funções escore penalizadas e as matrizes de informação de Fisher penalizadas são desenvolvidas para a obtenção das estimativas de máxima verossimilhança penalizadas por meio da combinação do algoritmo backfitting (Gauss-Seidel) e do processo iterativo escore de Fisher para os dois tipos de modelo. Em seguida, são apresentados procedimentos para a estimação do parâmetro de suavização, bem como dos graus de liberdade efetivos. Por fim, com o objetivo de ilustração, os modelos propostos são ajustados à conjuntos de dados reais.