Look-up in Google Scholar
Title: Modelos de regressão para resposta binária na presença de dados desbalanceados
Other Titles: Modelos de regresión para respuesta binaria en presencia de datos balanceados
Advisor(s): Bazán Guzmán, Jorge Luis
OCDE field: https://purl.org/pe-repo/ocde/ford#1.00.00; https://purl.org/pe-repo/ocde/ford#1.01.03
Issue Date: Mar-2019
Institution: Universidade Federal de São Carlos; Universidade de São Paulo
Abstract: Estudia los modelos de regresión binaria usando funciones de enlace potencia y potencia inversa en presencia de datos desbalanceados. En este trabajo se evalúan dos métodos de corrección desarrollados para lidiar con datos desbalanceados y se comparan con el uso de enlaces asimétricos. Los resultados basados en el estudio de simulación muestran que los métodos de corrección no corrigen adecuadamente el sesgo en la estimación de los coeficientes de regresión y que los modelos con enlaces asimétricos potencia y potencia inversa considerados producen mejores resultados para ciertos tipos de datos desbalanceados. Adicionalmente, presentamos una aplicación para datos desbalanceados, identificando el mejor modelo entre varios propuestos.

Na regressão binária, o desbalanceamento de dados refere-se à presença de valores zeros (ou uns) numa proporção significativamente maior do que os correspondentes valores uns (ou zeros). Neste trabalho, estudamos dois métodos desenvolvidos para lidar com o desbalanceamento e comparamos eles com o uso de funções de ligação assimétrica potência e reversa de potência. Os resultados mostram que esses métodos não corrigem adequadamente o viés nas estimativas dos coeficientes de regressão e que os modelos com função de ligação assimétrica considerados produzem melhores resultados para certo tipo de desbalanceamento. Adicionalmente, apresentamos uma aplicação para dados desbalanceados identificando o melhor modelo entre vários modelos propostos. A estimação dos parâmetros é realizada sob abordagem Bayesiana considerando o método de estimação Monte Carlo Hamiltoniano usando o algoritmo No-U-Turn Sampler e as comparações dos modelos são desenvolvidas utilizando diferentes critérios para comparação de modelos, avaliação preditiva e resíduos quantílicos.
DOI identifier: https://doi.org/10.11606/D.104.2019.tde-08082019-103210
Note: Descargue la tesis en el repositorio institucional de la Universidade Federal de São Carlos: https://doi.org/10.11606/D.104.2019.tde-08082019-103210
Discipline: Estadística
Grade or title grantor: Universidade Federal de São Carlos. Departamento de Estatística; Universidade de São Paulo. Instituto de Ciências Matemáticas e de Computação
Grade or title: Maestro en Estadística
Register date: 17-May-2021

Files in This Item:
File Description SizeFormat 
DeLaCruzHuayanayA.pdf
  Restricted Access
Disertación (abierta en repositorio de origen)2.91 MBAdobe PDFView/Open Request a copy
Autorizacion.pdf
  Restricted Access
Autorización del registro177.94 kBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.