Uma abordagem bayesiana para representação de dados funcionais e seleção de variáveis em regressão funcional
Autor(a) principal: | |
---|---|
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 |