Estudo da incorporacao da incerteza devido a escolha de modelos na inferencia estatistica atraves de simulacao.

• Processo: 02/06849-3
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de setembro de 2002
• Data de Término da vigência: 31 de agosto de 2003
• Área do conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística
• Pesquisador responsável: Cecilia Candolo
• Beneficiário: Cecilia Candolo
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Seleção de modelos Reamostragem bootstrap Regressão Inferência estatística Simulação
• Palavra(s)-Chave do Pesquisador: Bootstrap | Inferencia Estatistica | Ponderacao De Modelos | Regressao | Selecao De Modelos | Simulacao

Resumo

Na análise estatística usual a inferência é feita sem levar em conta a incerteza devido ã escolha do modelo. A incorporação desta incerteza na inferência tem despertado o interesse de alguns pesquisadores e começou a ser tratada de forma sistemática recentemente. Este trabalho considera a abordagem de Candolo (2001) que desenvolveu o estimador ponderado proposto por Buckland et al. (1997), aprofundando seu estudo para modelos de regressão linear, e fazendo comparações com abordagens de métodos usuais, bootstrap e Bayesianos, através de exemplos de regressão linear com uma, duas e três covariáveis. Neste trabalho, seguiremos a metodologia usada para o modelo de regressão linear, complementando-o e estendendo para modelos de regressão logística, de Poisson e de Cox. O objetivo é obter o estimador ponderado para estes modelos e seu erro quadrático médio, usando simulação e o método bootstrap, e comparar os resultados obtidos. A técnica será aplicada em exemplos da literatura e a dados gerados artificialmente. (AU)