Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional

Detalhes bibliográficos
Autor(a) principal: Sousa, Pedro Henrique Toledo de Oliveira, 1995-
Data de Publicação: 2023
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/8682
Resumo: Orientadores: Ronaldo Dias, Camila Pedroso Estevam de Souza
id UNICAMP-30_98a1c3c2b240bb5d35cf3c9279667d3c
oai_identifier_str oai::1267231
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcionalA Bayesian approach to functional data representation and variable selection in functional regressionInferência bayesianaDados funcionaisRegressão funcionalSeleção de funções baseSeleção de variáveisBayesian inferenceFunctional dataFunctional regressionBasis function selectionVariable selectionOrientadores: Ronaldo Dias, Camila Pedroso Estevam de SouzaTese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação CientíficaResumo: Dentro do contexto da Análise de Dados Funcionais (ADF) e tendo-se em conta uma representação finita dos dados funcionais, uma nova abordagem Bayesiana para a seleção de funções base foi desenvolvida e testada. Além do modelo de seleção de bases para o ajuste de dados funcionais, também foi desenvolvida e testada uma nova abordagem Bayesiana para a seleção de variáveis em FOSR (\textit{Function-on-scalar regression}). O primeiro modelo mencionado tem a capacidade de ajustar simultaneamente diversas curvas independentemente delas serem provenientes de um mesmo processo gerador ou não e, em ambos os modelos, o procedimento recorre ao uso de uma variável aleatória latente, permitindo uma seleção adaptativa, uma vez que se pode determinar o número de bases (ou variáveis) e quais delas devem ser selecionadas para a representação funcional. Estudos de simulação foram realizados para mostrar as principais propriedades dos dois métodos aqui propostos, tais como a acurácia na estimação dos coeficientes e a alta capacidade que os procedimentos têm de performar uma correta seleção, seja de bases, seja de variáveis. Para a avaliação de ambos modelos, foram realizados estudos comparativos com os respectivos principais métodos adversários. Também foram utilizados os registros sobre o COVID-19 no Brasil e dados socioeconômicos para as aplicações dos modelos propostos em dados reais. Em síntese, o modelo para seleção de bases e o modelo para seleção de variáveis mostraram-se extremamente competitivos, apresentando significativa qualidade preditiva e seletivaAbstract: Considering the context of Functional Data Analysis (FDA), we developed and applied a new Bayesian approach for basis selection in a finite functional data representation. In addition to the basis selection model for functional data fit, we also developed a new Bayesian approach for variable selection in FOSR (\textit{Function-on-scalar regression}). The first model mentioned can adjust several curves simultaneously, whether they come from the same generating process or not. Both models use a latent variable, allowing an adaptive selection since it can determine the number of bases (or variables) and which ones should be selected for the functional representation. Simulation studies show the main properties of the two proposed methods, such as their accuracy in estimating the model coefficients and their high capacity to perform a correct selection (bases or variables). We conducted comparative studies between the main competitor methods and our proposed ones. We also used a COVID-19 dataset and some socioeconomic data from Brazil for real data application. In short, the basis and variable selection models are extremely competitive, showing significant predictive and selective qualityDoutoradoEstatísticaDoutor em EstatísticaCAPES001[s.n.]Dias, Ronaldo, 1959-Souza, Camila Pedroso Estevam de, 1982-Motta, Mariana RodriguesGarcia, Jesus EnriqueMigon, Helio dos SantosIzbicki, RafaelUniversidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação CientíficaPrograma de Pós-Graduação em EstatísticaUNIVERSIDADE ESTADUAL DE CAMPINASSousa, Pedro Henrique Toledo de Oliveira, 1995-20232023-03-20T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf1 recurso online (179 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/8682SOUSA, Pedro Henrique Toledo de Oliveira. Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional. 2023. 1 recurso online (179 p.) Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/8682. Acesso em: 15 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/1267231porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2023-04-24T09:49:11Zoai::1267231Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2023-04-24T09:49:11Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional
A Bayesian approach to functional data representation and variable selection in functional regression
title Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional
spellingShingle Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional
Sousa, Pedro Henrique Toledo de Oliveira, 1995-
Inferência bayesiana
Dados funcionais
Regressão funcional
Seleção de funções base
Seleção de variáveis
Bayesian inference
Functional data
Functional regression
Basis function selection
Variable selection
title_short Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional
title_full Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional
title_fullStr Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional
title_full_unstemmed Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional
title_sort Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional
author Sousa, Pedro Henrique Toledo de Oliveira, 1995-
author_facet Sousa, Pedro Henrique Toledo de Oliveira, 1995-
author_role author
dc.contributor.none.fl_str_mv Dias, Ronaldo, 1959-
Souza, Camila Pedroso Estevam de, 1982-
Motta, Mariana Rodrigues
Garcia, Jesus Enrique
Migon, Helio dos Santos
Izbicki, Rafael
Universidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação Científica
Programa de Pós-Graduação em Estatística
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Sousa, Pedro Henrique Toledo de Oliveira, 1995-
dc.subject.por.fl_str_mv Inferência bayesiana
Dados funcionais
Regressão funcional
Seleção de funções base
Seleção de variáveis
Bayesian inference
Functional data
Functional regression
Basis function selection
Variable selection
topic Inferência bayesiana
Dados funcionais
Regressão funcional
Seleção de funções base
Seleção de variáveis
Bayesian inference
Functional data
Functional regression
Basis function selection
Variable selection
description Orientadores: Ronaldo Dias, Camila Pedroso Estevam de Souza
publishDate 2023
dc.date.none.fl_str_mv 2023
2023-03-20T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/8682
SOUSA, Pedro Henrique Toledo de Oliveira. Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional. 2023. 1 recurso online (179 p.) Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/8682. Acesso em: 15 mai. 2024.
url https://hdl.handle.net/20.500.12733/8682
identifier_str_mv SOUSA, Pedro Henrique Toledo de Oliveira. Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional. 2023. 1 recurso online (179 p.) Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/8682. Acesso em: 15 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1267231
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (179 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138577229021184

Registros relacionados