Busca avançada
Ano de início
Entree

Abordagem Bayesiana para lidar com Não-Resposta informativa

Processo: 13/17746-5
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de janeiro de 2014
Vigência (Término): 13 de julho de 2015
Área do 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

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.

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
SIKOV, A.; STERN, J. M. Application of the full Bayesian significance test to model selection under informative sampling. STATISTICAL PAPERS, v. 60, n. 1, p. 89-104, FEB 2018. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.