Modelos aditivos generalizados com defasagens distribuídas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2003 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-133408/ |
Resumo: | Existem algumas situações onde a variável resposta é observada repetidamente ao longo do tempo, e o impacto de uma variável preditora em um determinado instante é distribuído sobre várias medidas subsequentes da variável resposta. Por outro lado, outras variáveis preditoras no modelo podem se relacionar com a resposta de forma não linear. Para construir um modelo de regressão adequado para esta situação combinamos duas técnicas: modelos aditivos generalizados e modelos com defasagens distribuídas. Os modelos aditivos generalizados são uma extensão dos modelos lineares generalizados no qual variáveis preditoras contínuas são modeladas por funções não especificadas. Já os modelos com defasagens distribuídas relacionam a variável resposta com valores defasados de uma variável preditora dependente do tempo. A combinação dessas duas técnicas de modelagem resulta nos chamados modelos aditivos generalizados com defasagens distribuídas. A estimação é feita pelo método de máxima verossimilhança penalizada de acordo com a supodição da distribuição da variável resposta. As estimativas são então obtidas combinando o método de mínimos quadrados reponderados iterativamente com a técnica de suavização P-spline. Esta metodologia é aplicada a dados ambientais da cidade de São Paulo para investigar a distribuição do efeito da poluição do ar sobre a natimortalidade e para quantificar o denominado efeito colheita |
id |
USP_7b97607f375cbe98d3f03fb0e753f043 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-20210729-133408 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Modelos aditivos generalizados com defasagens distribuídasnot availableEstatística AplicadaExistem algumas situações onde a variável resposta é observada repetidamente ao longo do tempo, e o impacto de uma variável preditora em um determinado instante é distribuído sobre várias medidas subsequentes da variável resposta. Por outro lado, outras variáveis preditoras no modelo podem se relacionar com a resposta de forma não linear. Para construir um modelo de regressão adequado para esta situação combinamos duas técnicas: modelos aditivos generalizados e modelos com defasagens distribuídas. Os modelos aditivos generalizados são uma extensão dos modelos lineares generalizados no qual variáveis preditoras contínuas são modeladas por funções não especificadas. Já os modelos com defasagens distribuídas relacionam a variável resposta com valores defasados de uma variável preditora dependente do tempo. A combinação dessas duas técnicas de modelagem resulta nos chamados modelos aditivos generalizados com defasagens distribuídas. A estimação é feita pelo método de máxima verossimilhança penalizada de acordo com a supodição da distribuição da variável resposta. As estimativas são então obtidas combinando o método de mínimos quadrados reponderados iterativamente com a técnica de suavização P-spline. Esta metodologia é aplicada a dados ambientais da cidade de São Paulo para investigar a distribuição do efeito da poluição do ar sobre a natimortalidade e para quantificar o denominado efeito colheitanot availableBiblioteca Digitais de Teses e Dissertações da USPAndré, Carmen Diva Saldiva deBarros, Alberto Pereira de2003-07-02info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-133408/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/openAccesspor2024-08-16T12:39:02Zoai:teses.usp.br:tde-20210729-133408Biblioteca 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:27212024-08-16T12:39:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Modelos aditivos generalizados com defasagens distribuídas not available |
title |
Modelos aditivos generalizados com defasagens distribuídas |
spellingShingle |
Modelos aditivos generalizados com defasagens distribuídas Barros, Alberto Pereira de Estatística Aplicada |
title_short |
Modelos aditivos generalizados com defasagens distribuídas |
title_full |
Modelos aditivos generalizados com defasagens distribuídas |
title_fullStr |
Modelos aditivos generalizados com defasagens distribuídas |
title_full_unstemmed |
Modelos aditivos generalizados com defasagens distribuídas |
title_sort |
Modelos aditivos generalizados com defasagens distribuídas |
author |
Barros, Alberto Pereira de |
author_facet |
Barros, Alberto Pereira de |
author_role |
author |
dc.contributor.none.fl_str_mv |
André, Carmen Diva Saldiva de |
dc.contributor.author.fl_str_mv |
Barros, Alberto Pereira de |
dc.subject.por.fl_str_mv |
Estatística Aplicada |
topic |
Estatística Aplicada |
description |
Existem algumas situações onde a variável resposta é observada repetidamente ao longo do tempo, e o impacto de uma variável preditora em um determinado instante é distribuído sobre várias medidas subsequentes da variável resposta. Por outro lado, outras variáveis preditoras no modelo podem se relacionar com a resposta de forma não linear. Para construir um modelo de regressão adequado para esta situação combinamos duas técnicas: modelos aditivos generalizados e modelos com defasagens distribuídas. Os modelos aditivos generalizados são uma extensão dos modelos lineares generalizados no qual variáveis preditoras contínuas são modeladas por funções não especificadas. Já os modelos com defasagens distribuídas relacionam a variável resposta com valores defasados de uma variável preditora dependente do tempo. A combinação dessas duas técnicas de modelagem resulta nos chamados modelos aditivos generalizados com defasagens distribuídas. A estimação é feita pelo método de máxima verossimilhança penalizada de acordo com a supodição da distribuição da variável resposta. As estimativas são então obtidas combinando o método de mínimos quadrados reponderados iterativamente com a técnica de suavização P-spline. Esta metodologia é aplicada a dados ambientais da cidade de São Paulo para investigar a distribuição do efeito da poluição do ar sobre a natimortalidade e para quantificar o denominado efeito colheita |
publishDate |
2003 |
dc.date.none.fl_str_mv |
2003-07-02 |
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://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-133408/ |
url |
https://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-133408/ |
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_ |
1809090927509110784 |