Dados faltantes em modelos para dados longitudinais

Detalhes bibliográficos
Autor(a) principal: Neto, José Arteiro Teixeira Queiroz
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: https://hdl.handle.net/1822/84224
Resumo: Dissertação de mestrado em Estatística
id RCAP_58e0fd946fc5b82afb663c0ba94f6000
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/84224
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Dados faltantes em modelos para dados longitudinaisMissing data in models for longitudinal dataDados faltantesDados longitudinaisTomada de decisãoValor significativoMissing dataLongitudinal dataDecision makingSignificant valueCiências Naturais::MatemáticasDissertação de mestrado em EstatísticaEm todas as áreas de conhecimento, quando vamos analisar os dados em busca de informações, nos deparamos com dados faltantes Esse tipo de dados diversas vezes nos fazem tomar decisões erradas devido terem apresentado resultados equivocados em suas análises, e devido isso devemos -tomar muito cuido e sermos minuciosos quanto tratamos esse tipo de dados, Para (Little e Rubin, 2019)[13], dados faltantes são valores não observados que seriam significativos para análise se observados; em outras palavras, um valor ausente oculta um valor significativo. Dados longitudinais são gerados quando os indivíduos são medidos repetidamente ao longo do tempo, e os modelos longitudinais descrevem o processo estocástico dos dados observados. Esses modelos permitem-nos distinguir, sobretudo, a variabilidade dos dados dentro e entre indivíduos (Diggle,2002) [9]. De acordo com (Little e Rubin, 2019)[13], dados faltardes são valores não observados que seriam significativos para análise se observados; em outras palavras, um valor ausente oculta um valor significativo. O problema de dados faltantes tem sido alvo de muitas pesquisas recentemente devido o fato de que quando se tem uma população com observações faltantes, ao se fazer a inferência estatística, se mio usarmos os procedimentos adequados, os resultados podem não ser fiáveis e assim levarão a conclusões equivocadas. O que queremos é muito simples, se F é uma população a ser estimada e F é uma estimativa de F, onde a amostra é composta por observações faltantes, então o procedimento que será usado para, calcular esses dados deve ser levado em conta o método estatístico que será usado para calcular Ê. Logo, se esse procedimento estatístico funcionar corretamente teremos então Ê com valor próximo de F para a média. Estamos a procura de que o viés seja mínimo, assim como o desvio padrão e variância de F onde assim poderemos fazer inferência. com mais precisão para urna tomada de decisão.In all areas of knowledge; when we analyze the data in search of information, we come across missing data. This type of data often makes us make wrong decisions because they have presented wrong results in their analyses, and because of that we must be very careful and be thorough when we handle this type of data. For (Little and Rubin, 2019)[13], missing data are unobserved values that would be significant. for analysis if observed., in other words, a missing value hides a significant value. Longitudinal data are generated when individuals are measured repeatedly over time, and longitudinal models describe the stochastic process of the observed data. These models allow Es to distinguish, above all, the variability of data within and between individuals (Diggle, 2002) M. According to (Little and Rubin, 2019)113], missing data are unobserved values that would be significant for analysis if observed; in other words, a missing value hides a significant. value. The problem of missing data has been the subject of much research recently due to the fact that when you have a population with missing observations, when making the statistical inference, if we don't use the proper procedures, the results may not be reliable and thus lead to wrong conclusions. What. we want is very simple, if F is a population to be estimated and F is an estimate of F, where the sample is made up of missing observations, then the procedure that will be used to calculate these data must take into account the statistical method that will be used to calculate F. Therefore, if this statistical procedure works correctly, then we will have F with a value close to F for the mean. We are looking for the bias to be minimal, as well as the standard deviation and variance of F, so that we can make inferences more accurately for decision making.Sousa, InêsUniversidade do MinhoNeto, José Arteiro Teixeira Queiroz20212021-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/84224por203232291info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T11:57:36Zoai:repositorium.sdum.uminho.pt:1822/84224Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T18:47:15.707659Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Dados faltantes em modelos para dados longitudinais
Missing data in models for longitudinal data
title Dados faltantes em modelos para dados longitudinais
spellingShingle Dados faltantes em modelos para dados longitudinais
Neto, José Arteiro Teixeira Queiroz
Dados faltantes
Dados longitudinais
Tomada de decisão
Valor significativo
Missing data
Longitudinal data
Decision making
Significant value
Ciências Naturais::Matemáticas
title_short Dados faltantes em modelos para dados longitudinais
title_full Dados faltantes em modelos para dados longitudinais
title_fullStr Dados faltantes em modelos para dados longitudinais
title_full_unstemmed Dados faltantes em modelos para dados longitudinais
title_sort Dados faltantes em modelos para dados longitudinais
author Neto, José Arteiro Teixeira Queiroz
author_facet Neto, José Arteiro Teixeira Queiroz
author_role author
dc.contributor.none.fl_str_mv Sousa, Inês
Universidade do Minho
dc.contributor.author.fl_str_mv Neto, José Arteiro Teixeira Queiroz
dc.subject.por.fl_str_mv Dados faltantes
Dados longitudinais
Tomada de decisão
Valor significativo
Missing data
Longitudinal data
Decision making
Significant value
Ciências Naturais::Matemáticas
topic Dados faltantes
Dados longitudinais
Tomada de decisão
Valor significativo
Missing data
Longitudinal data
Decision making
Significant value
Ciências Naturais::Matemáticas
description Dissertação de mestrado em Estatística
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-01-01T00:00:00Z
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://hdl.handle.net/1822/84224
url https://hdl.handle.net/1822/84224
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 203232291
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799132230258262016

Registros relacionados