Texto completo
| |
| Autor(es): |
Taciana Kisaki Oliveira Shimizu
Número total de Autores: 1
|
| Tipo de documento: | Tese de Doutorado |
| Imprenta: | São Carlos. |
| Instituição: | Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) |
| Data de defesa: | 2018-12-10 |
| Membros da banca: |
Francisco Louzada Neto;
Teresa Cristina Martins Dias;
Paulo Henrique Ferreira da Silva;
Adriano Kamimura Suzuki;
Afrânio Márcio Corrêa Vieira
|
| Orientador: | Francisco Louzada Neto |
| 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 totalizam um. Tais dados 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, a presente tese tem por objetivo propor uma nova abordagem de modelos de regressão aplicada em dados composicionais. A ideia central consiste no desenvolvimento de um método balizado por regressão penalizada, em particular Lasso, do inglês least absolute shrinkage and selection operator, elastic net e Spike-e-Slab Lasso (SSL) para a estimação dos parâmetros do modelo. 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 restrição na variável resposta e nas covariáveis. (AU) | |
| Processo FAPESP: | 14/16147-3 - Métodos de regressão penalizada para dados composicionais |
| Beneficiário: | Taciana Kisaki Oliveira Shimizu |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |