Análise Bayesiana de dados composicionais na presença de covariáveis

Autor(es)

Taciana Kisaki Oliveira Shimizu

• Tipo de documento: Dissertação de Mestrado
• Imprenta: Presidente Prudente. 2014-08-13.
• Instituição: Universidade Estadual Paulista (Unesp). Faculdade de Ciências e Tecnologia. Presidente Prudente
• Data de defesa: 2014-02-24
• Orientador: Jorge Alberto Achcar; Mário Hissamitsu Tarumoto

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”. A soma desses componentes deve ser igual a um. Os dados composicionais estão presentes em diferentes áreas, como na geologia, ecologia, economia, medicina entre muitas outras. Desta forma há um grande interesse em novas abordagens de modelar dados composicionais. Neste estudo, introduzimos as transformações logaritmo da razão (alr) e Box-Cox em modelos usados para dados composicionais, assumindo erros normais não correlacionados. O objetivo principal deste trabalho é aplicar métodos Bayesianos para estes modelos utilizando os métodos padrões de Monte Carlo via Cadeias de Markov (MCMC) para simular amostras da posteriori conjunta de interesse. Nós aplicamos a metodologia proposta em dois conjuntos de dados, sendo que um deles é sobre um experimento de medidas repetidas na qual introduzimos uma variável de efeito aleatório para capturar a dependência para os dados longitudinais e, além disso, a introdução de dois efeitos aleatórios extras no modelo. Estes resultados de modelagem podem ser de grande interesse em trabalhos aplicados que lidam com conjuntos de dados composicionais. (AU)

• Processo FAPESP: 12/12653-6 - Análise Bayesiana de dados composicionais na presença de covariáveis
• Beneficiário: Taciana Kisaki Oliveira Shimizu
• Modalidade de apoio: Bolsas no Brasil - Mestrado