Modelos multivariados de covariância linear generalizada em Python : a biblioteca MCGLM

Detalhes bibliográficos
Autor(a) principal: Maia, Jean Carlos Faoot
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/81386
Resumo: Orientador: Wagner Hugo Bonat
id UFPR_24ad4eac8b4e8a9364d22258e14107e7
oai_identifier_str oai:acervodigital.ufpr.br:1884/81386
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaBonat, Wagner Hugo, 1985-Maia, Jean Carlos Faoot2023-03-02T14:43:58Z2023-03-02T14:43:58Z2023https://hdl.handle.net/1884/81386Orientador: Wagner Hugo BonatDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 02/02/2023Inclui referências: p. 65-68Área de concentração: Ciência da ComputaçãoResumo: O advento da computação é fundamental ao desenvolvimento da Estatística; a Computação viabilizou modelos estatísticos, impulsionou a pesquisa e permitiu a distribuição de bibliotecas em larga-escala. Não obstante, a ciência Estatística transmutou a Computação, transformando-na em um elemento intransponível da sociedade moderna. Esta dissertação é mais um evento dessa amálgama próspera. Modelos Multivariados de Covariância Linear Generalizada é uma família de modelos estatísticos, postulada pelos pesquisadores Wagner Bonat e Bent Jørgensen, que universaliza o Modelo Linear Generalizado (GLM) para a análise multivariada de dados dependentes. Esta dissertação se propôs a implementar e publicar esse modelo estatístico para a linguagem Python em código aberto, como uma biblioteca. Como resultado, o código fonte está disponivel em: https://github.com/jeancmaia/mcglm e a biblioteca pode ser visualizada no PyPI, o principal repositório de software da linguagem Python, através do link: https://pypi.org/project/mcglm/. A biblioteca Python mcglm foi implementada nas normas da programação orientada a objetos, amparada nos princípios do acronimo SOLID, de Robert C. Martin. O desenvolvimento do código foi conduzido por testes unitários, perfazendo em uma cobertura de mais de noventa e um por cento. Visando uma fácil adesão à bibilioteca, as interfaces de treinamento e análise replicam o padrão da biblioteca statsmodels, a principal ferramenta para análises estatísticas na linguagem Python. Como objeto desta dissertação, os usuários da linguagem Python tornam-se aptos a acessar a um modelo estatístico inovador, oportunamente testado e plenamente extensível. A biblioteca mcglm amplia a lista de algoritmos estatísticos existentes na linguagem Python e ajuda a promover o aprendizado estatístico para os usuários desta linguagem, uma das mais expressivas da década.Abstract: The advent of computing is pivotal in the history of Statistics; Computing enabled statistical models, boosted research and enabled large-scale distribution of libraries. Nevertheless, Statistical science has transmuted Computing, transforming it into an insurmountable element of modern society. This dissertation is one more event in this thriving amalgamation. Multivariate Covariance Generalized Linear Models is a family of statistical models postulated in 2015 by researchers Wagner Bonat and Bent Jørgensen. This family of models proposes an extension to the Generalized Linear Model (GLM) for multiple dependent data. This dissertation proposed to implement and publish this statistical model for the Python language in an open way, as a library. As a result, the source code is available at: https://github.com/jeancmaia/mcglm and the library can be viewed on PyPI, the main Python language software repository, via the link: https://pypi.org /project/mcglm/. The Python mcglm library was implemented in the norms of Object Oriented programming, supported by the principles of the acronym SOLID, by Robert C. Martin. Code development was driven by unit testing, yielding over ninety-two percent coverage. Aiming at an easy accession to the library, the training and analysis interfaces replicate the standard of the statsmodels library, the main tool for statistical analysis in the Python language. As the object of this dissertation, Python language users become able to access an innovative statistical model, timely tested and fully extensible. The mcglm library expands the list of statistical algorithms existing in the Python language and helps to promote statistical learning for users of this language, one of the most expressive of the decade.1 recurso online : PDF.application/pdfInformáticaProgramação (Computadores)Python (Linguagem de programação de computador)Modelos lineares (Estatistica)Ciência da ComputaçãoModelos multivariados de covariância linear generalizada em Python : a biblioteca MCGLMinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - JEAN CARLOS FAOOT MAIA.pdfapplication/pdf3174864https://acervodigital.ufpr.br/bitstream/1884/81386/1/R%20-%20D%20-%20JEAN%20CARLOS%20FAOOT%20MAIA.pdf9addf9dd78ca988aff771097866ab544MD51open access1884/813862023-03-02 11:43:58.896open accessoai:acervodigital.ufpr.br:1884/81386Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082023-03-02T14:43:58Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Modelos multivariados de covariância linear generalizada em Python : a biblioteca MCGLM
title Modelos multivariados de covariância linear generalizada em Python : a biblioteca MCGLM
spellingShingle Modelos multivariados de covariância linear generalizada em Python : a biblioteca MCGLM
Maia, Jean Carlos Faoot
Informática
Programação (Computadores)
Python (Linguagem de programação de computador)
Modelos lineares (Estatistica)
Ciência da Computação
title_short Modelos multivariados de covariância linear generalizada em Python : a biblioteca MCGLM
title_full Modelos multivariados de covariância linear generalizada em Python : a biblioteca MCGLM
title_fullStr Modelos multivariados de covariância linear generalizada em Python : a biblioteca MCGLM
title_full_unstemmed Modelos multivariados de covariância linear generalizada em Python : a biblioteca MCGLM
title_sort Modelos multivariados de covariância linear generalizada em Python : a biblioteca MCGLM
author Maia, Jean Carlos Faoot
author_facet Maia, Jean Carlos Faoot
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.advisor1.fl_str_mv Bonat, Wagner Hugo, 1985-
dc.contributor.author.fl_str_mv Maia, Jean Carlos Faoot
contributor_str_mv Bonat, Wagner Hugo, 1985-
dc.subject.por.fl_str_mv Informática
Programação (Computadores)
Python (Linguagem de programação de computador)
Modelos lineares (Estatistica)
Ciência da Computação
topic Informática
Programação (Computadores)
Python (Linguagem de programação de computador)
Modelos lineares (Estatistica)
Ciência da Computação
description Orientador: Wagner Hugo Bonat
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-03-02T14:43:58Z
dc.date.available.fl_str_mv 2023-03-02T14:43:58Z
dc.date.issued.fl_str_mv 2023
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/1884/81386
url https://hdl.handle.net/1884/81386
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/81386/1/R%20-%20D%20-%20JEAN%20CARLOS%20FAOOT%20MAIA.pdf
bitstream.checksum.fl_str_mv 9addf9dd78ca988aff771097866ab544
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1813898739149963264

Registros relacionados