Métodos de regressão penalizada para dados composicionais

Resumo

Dados composicionais consistem em vetores conhecidos como composições cujos componentes são positivos e definidos no intervalo (0,1) representando proporções ou frações de um todo, sendo que a soma desses componentes deve se somar um. Os dados composicionais estão presentes em diferentes áreas, como na geologia, ecologia, economia, medicina entre outras. Desta forma, há um grande interesse em ampliar os conhecimentos acerca da modelagem de dados composicionais, principalmente quando há a influência de covariáveis nesse tipo de dado. Nesse contexto, o presente projeto tem por objetivo propor uma nova abordagem de modelos de regressão aplicada em dados composicionais. A ideia básica consiste no desenvolvimento de um método balizado por regressão penalizada, em particular Lasso, do inglês least absolute shrinkage and selection operator, para a estimação dos parâmetros do modelo via inferência clássica e Bayesiana. Em particular, visionamos o desenvolvimento dessa modelagem para dados composicionais, com o número de variáveis explicativas excedendo o número de observações e na presença de grandes bases de dados, e além disso, quando há presença de componentes iguais a zero. (AU)