| Processo: | 13/17746-5 |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
| Data de Início da vigência: | 01 de janeiro de 2014 |
| Data de Término da vigência: | 13 de julho de 2015 |
| Área de conhecimento: | Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas |
| Pesquisador responsável: | Julio Michael Stern |
| Beneficiário: | Anna Sikov |
| Instituição Sede: | Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil |
| Palavra(s)-Chave do Pesquisador: | Amostragem Informativa | Identificação de modelos | Técnicas numéricas de integração | teste de hipótese | Estatística bayesiana |
Resumo Neste trabalho, propomo-nos a investigar o problema de não-resposta informativa sob a perspectiva Bayesiana. De um lado, esta pesquisa constitui uma extensão natural do trabalho desenvolvido por Anna Sikov em sua tese de Doutorado. Do outro lado, esta pesquisa empregará resultados obtidos pelo grupo de pesquisa em Estatística Bayesiana do IME-USP. A aplicação da abordagem Bayesiana permite resolver problemas de teste de hipótese e identificação de modelos que surgem devido à complexidade dos modelos utilizados para lidar com o problema de não resposta informativa. Implementar o FBST - o Full Bayesian Significance Test ou Teste Completo de Significancia Bayesiano, que é baseado em uma medida de evidência Bayesiana para hipóteses precisas elaborada pelo grupo do IME-USP, parece uma abordagem promissora. Nesta pesquisa, propomos-nos também a modificar a abordagem Bayesiana incorporando restrições de calibragem que utilizam informação adicional não contida no modelo estatístico, e investigar a performance do FBST também neste caso. Nesta pesquisa, assumiremos um modelo para a variável de saída na condição de resposta completa, e um modelo para probabilidade de resposta que pode depender da própria variável de saída bem como das variáveis auxiliares. Ambos os modelos definem o modelo completo para as observações das unidades respondentes. Serão especificadas distribuições apriori apropriadas para parâmetros desconhecidos do modelo, formas de indexação das unidades, e implementação de simulações via MCMC. Todas os desenvolvimentos serão ilustrados utilizando simulações baseadas em bancos de dados reais. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |