https://repositorio.ufjf.br/jspui/handle/ufjf/12229
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
barbaradacostacamposdias.pdf | 624.66 kB | Adobe PDF | ![]() Visualizar/Abrir |
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor1 | Ferreira, Clécio da Silva | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7842524715253287 | pt_BR |
dc.contributor.referee1 | Ferreira, Clécio da Silva | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/7842524715253287 | pt_BR |
dc.contributor.referee2 | Zeller, Camila Borelli | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/66714054 | pt_BR |
dc.contributor.referee3 | Bastos, Ronaldo Rocha | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/8943562657054260 | pt_BR |
dc.creator | Dias, Bárbara da Costa Campos | - |
dc.creator.Lattes | http://lattes.cnpq.br/9532653228833768 | pt_BR |
dc.date.accessioned | 2021-01-18T21:18:05Z | - |
dc.date.available | 2021-01-01 | - |
dc.date.available | 2021-01-18T21:18:05Z | - |
dc.date.issued | 2014-01-31 | - |
dc.identifier.uri | https://repositorio.ufjf.br/jspui/handle/ufjf/12229 | - |
dc.description.abstract | This work aims to select variables using the backward method, via Akaike Information Criterion (AIC), in a linear regression model with errors following a Skew normal distribution. We investigated the effect of multicollinearity of the explanatory variables and the lack of correlation between the explanatory variables dependent on the fit of the final model (parsimony) process variable. The purpose of this research is to verify the quality of the selection method proposed in this monograph. For this, we investigated four strategies for selecting the final model. The first strategy is to investigate the goodness of fit of the final model without using any prior exploratory analysis variable selection using the backward method, via AIC. In the second strategy will be phased out problems of lack of correlation between the dependent variable and the explanatory variables before using the selection method. In the third strategy will be removed problems of multicollinearity of the explanatory variables before using the method studied. Finally, the fourth strategy will be removed the two problems mentioned above before selection. A simulation study is conducted to demonstrate the best strategy for model selection. Finally, the proposal of this monograph is applied to a real data set. | pt_BR |
dc.description.resumo | Este trabalho tem por objetivo propor uma nova maneira de selecionar variáveis usando o método backward, via Critério de Informação Akaike (AIC), em um modelo de regressão linear com erros seguindo uma distribuição Normal Assimétrica. Investigaremos o efeito de multicolinearidade das variáveis explicativas e da falta de correlação da variável dependente com as variáveis explicativas no processo de ajuste do modelo final (parcimônia). O objetivo dessa investigação será verificar a qualidade do método de seleção proposto nesta monografia. Para tanto, serão investigadas quatro estratégias de seleção do modelo final. A primeira estratégia será investigar a qualidade do ajuste do modelo final sem utilizar nenhuma analise exploratória anterior a seleção de variáveis usando o método Backward, via AIC. Na segunda estratégia serão retirados os problemas de falta de correlação da variável dependente com as variáveis explicativas antes de utilizar o método de seleção. Já na terceira estratégia serão retirados os problemas de multicolinearidade das variáveis explicativas antes de utilizar o método estudado. E por último, na quarta estratégia serão retirados os dois problemas citados anteriormente antes da seleção. Este estudo de simulação será realizado para demonstrar a melhor estratégia de seleção do modelo. Por fim, a proposta desta monografia será aplicada a um conjunto de dados reais. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Juiz de Fora (UFJF) | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | ICE – Instituto de Ciências Exatas | pt_BR |
dc.publisher.initials | UFJF | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | distribuição normal assimétrica | pt_BR |
dc.subject | critério de informação Akaike | pt_BR |
dc.subject | seleção Backward | pt_BR |
dc.subject | algoritmo EM | pt_BR |
dc.subject | intervalo de predição | pt_BR |
dc.subject | Skew-Normal Distribution | pt_BR |
dc.subject | Akaike Information Criterion | pt_BR |
dc.subject | Selection Backward | pt_BR |
dc.subject | EM Algoritmo | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA | pt_BR |
dc.title | Seleção de variáveis via Backward em Modelo Linear Normal Assimétrico | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
Aparece en las colecciones: | Estatística - TCC Graduação |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons