Estudo do uso do método bootstrap com aplicação em problemas de incorporação da incerteza na seleção de modelos de regressão

• Processo: 03/08013-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2003
• Data de Término da vigência: 20 de setembro de 2004
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística
• Pesquisador responsável: Cecilia Candolo
• Beneficiário: Heloisa Helena Ribeiro
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Regressão linear Regressão logística Seleção de modelos
• Palavra(s)-Chave do Pesquisador: Bootstrap | Pondercao De Modelos | Regressao Linear | Regressao Logistica | Selecao De Modelos | Simulacao

Resumo

Na análise estatística usual a inferência é feita sem levar em conta a incerteza devido à 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. Candolo (2001) e Candolo et al. (2003) desenvolveram o estimador ponderado proposto por Buckland et al. (1997), aprofundando seu estudo para modelos de regressão linear. Candolo (2001) propõe um cálculo alternativo para a variância deste estimador de forma analítica e duas alternativas usando o método bootstrap, as quais foram comparadas através de exemplos de regressão linear com uma, duas e três covariáveis. Foram constatados alguns problemas e dificuldades com relação ao uso do método bootstrap, o qual seria uma alternativa bastante viável, visto que é um método que pode ser usado de forma não paramétrica e evita cálculos analíticos complexos ou inviáveis. A proposta deste trabalho é aprofundar o estudo do uso do método bootstrap em modelos de regressão e no contexto da obtenção das propriedades do estimador ponderado. Serão considerados modelos de regressão linear simples, múltipla e não linear, especificamente regressão logística, e os resultados serão validados através da aplicação em exemplos da literatura e estudo de simulação Monte Carlo. (AU)