O método de ponderação bayesiana de modelos para seleção de modelos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/45/45133/tde-18042023-090238/ |
Resumo: | Nas pesquisas em geral, as pessoas comumente propõem um único modelo na seleção de variáveis explicativas e assumem que é o modelo final, mas isso ignora tanto a incerteza do modelo quanto em esti- mativas de coeficientes. Todos os modelos estatísticos tradicionais têm esse tipo de problema de \"incerteza\". O Bayesian Model Averaging (BMA) é um método que tem uma longa história de desenvolvimento teórico e aplicação que visa explicar diretamente a incerteza de seleção do modelo. O BMA não seleciona diretamente um único modelo final dentre os disponíveis, mas calcula uma média ponderada dos modelos possíveis ba- seada nas probabilidades a posteriori de tais modelos. O objetivo deste estudo é revisar o BMA e algumas de suas propriedades e aplicá-lo em alguns exemplos reais. Os resultados mostram que o BMA tem um efeito melhor do que o modelo tradicional de seleção de variáveis e melhores resultados de previsão. |
id |
USP_6783eb12d80d2c160cb4354e47ecd4af |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-18042023-090238 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
O método de ponderação bayesiana de modelos para seleção de modelosThe bayesian model averaging method for model selectionBayes factorBayesian model averagingBayesian model averagingCross validationFator de BayesIncerteza do modeloModel uncertaintyPrediçãoPredictionValidação cruzadaNas pesquisas em geral, as pessoas comumente propõem um único modelo na seleção de variáveis explicativas e assumem que é o modelo final, mas isso ignora tanto a incerteza do modelo quanto em esti- mativas de coeficientes. Todos os modelos estatísticos tradicionais têm esse tipo de problema de \"incerteza\". O Bayesian Model Averaging (BMA) é um método que tem uma longa história de desenvolvimento teórico e aplicação que visa explicar diretamente a incerteza de seleção do modelo. O BMA não seleciona diretamente um único modelo final dentre os disponíveis, mas calcula uma média ponderada dos modelos possíveis ba- seada nas probabilidades a posteriori de tais modelos. O objetivo deste estudo é revisar o BMA e algumas de suas propriedades e aplicá-lo em alguns exemplos reais. Os resultados mostram que o BMA tem um efeito melhor do que o modelo tradicional de seleção de variáveis e melhores resultados de previsão.In general research, people commonly propose a single model in selecting explanatory variables and assume it is the final model, but this ignores both model uncertainty and coefficient estimates. All traditional statistical models have this kind of \"uncertainty\" problem. Bayesian model averaging (BMA) is a method that has a long history of theoretical development and application that aims to directly deals with model selection uncertainty. BMA does not directly select a single final model from those available, but calculates a weighted average of the possible models based on the posteriori probabilities of that models. The aim of this study is to review the BMA and some of its properties and apply it to some real examples. The results show that the BMA has a better performance than the traditional variable selection methods and better forecasting results.Biblioteca Digitais de Teses e Dissertações da USPEsteves, Luís GustavoZhangzhe, Zheng2023-02-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/45/45133/tde-18042023-090238/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-08-15T20:54:02Zoai:teses.usp.br:tde-18042023-090238Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-08-15T20:54:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
O método de ponderação bayesiana de modelos para seleção de modelos The bayesian model averaging method for model selection |
title |
O método de ponderação bayesiana de modelos para seleção de modelos |
spellingShingle |
O método de ponderação bayesiana de modelos para seleção de modelos Zhangzhe, Zheng Bayes factor Bayesian model averaging Bayesian model averaging Cross validation Fator de Bayes Incerteza do modelo Model uncertainty Predição Prediction Validação cruzada |
title_short |
O método de ponderação bayesiana de modelos para seleção de modelos |
title_full |
O método de ponderação bayesiana de modelos para seleção de modelos |
title_fullStr |
O método de ponderação bayesiana de modelos para seleção de modelos |
title_full_unstemmed |
O método de ponderação bayesiana de modelos para seleção de modelos |
title_sort |
O método de ponderação bayesiana de modelos para seleção de modelos |
author |
Zhangzhe, Zheng |
author_facet |
Zhangzhe, Zheng |
author_role |
author |
dc.contributor.none.fl_str_mv |
Esteves, Luís Gustavo |
dc.contributor.author.fl_str_mv |
Zhangzhe, Zheng |
dc.subject.por.fl_str_mv |
Bayes factor Bayesian model averaging Bayesian model averaging Cross validation Fator de Bayes Incerteza do modelo Model uncertainty Predição Prediction Validação cruzada |
topic |
Bayes factor Bayesian model averaging Bayesian model averaging Cross validation Fator de Bayes Incerteza do modelo Model uncertainty Predição Prediction Validação cruzada |
description |
Nas pesquisas em geral, as pessoas comumente propõem um único modelo na seleção de variáveis explicativas e assumem que é o modelo final, mas isso ignora tanto a incerteza do modelo quanto em esti- mativas de coeficientes. Todos os modelos estatísticos tradicionais têm esse tipo de problema de \"incerteza\". O Bayesian Model Averaging (BMA) é um método que tem uma longa história de desenvolvimento teórico e aplicação que visa explicar diretamente a incerteza de seleção do modelo. O BMA não seleciona diretamente um único modelo final dentre os disponíveis, mas calcula uma média ponderada dos modelos possíveis ba- seada nas probabilidades a posteriori de tais modelos. O objetivo deste estudo é revisar o BMA e algumas de suas propriedades e aplicá-lo em alguns exemplos reais. Os resultados mostram que o BMA tem um efeito melhor do que o modelo tradicional de seleção de variáveis e melhores resultados de previsão. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-02-24 |
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://www.teses.usp.br/teses/disponiveis/45/45133/tde-18042023-090238/ |
url |
https://www.teses.usp.br/teses/disponiveis/45/45133/tde-18042023-090238/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809090827882856448 |