Buscar en Google Scholar
Título: Modelos de regressão para resposta binária na presença de dados desbalanceados
Otros títulos: Modelos de regresión para respuesta binaria en presencia de datos balanceados
Asesor(es): Bazán Guzmán, Jorge Luis
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.00.00; https://purl.org/pe-repo/ocde/ford#1.01.03
Fecha de publicación: mar-2019
Institución: Universidade Federal de São Carlos; Universidade de São Paulo
Resumen: 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.
Identificador DOI: https://doi.org/10.11606/D.104.2019.tde-08082019-103210
Nota: 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
Disciplina académico-profesional: Estadística
Institución que otorga el grado o título: Universidade Federal de São Carlos. Departamento de Estatística; Universidade de São Paulo. Instituto de Ciências Matemáticas e de Computação
Grado o título: Maestro en Estadística
Fecha de registro: 17-may-2021

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
DeLaCruzHuayanayA.pdf
  Acceso restringido
Disertación (abierta en repositorio de origen)2.91 MBAdobe PDFVisualizar/Abrir  Solicita una copia
Autorizacion.pdf
  Acceso restringido
Autorización del registro177.94 kBAdobe PDFVisualizar/Abrir  Solicita una copia


IMPORTANTE
La información contenida en este registro es de entera responsabilidad de la universidad, institución o escuela de educación superior que administra el repositorio académico digital donde se encuentra el trabajo de investigación y/o proyecto, los cuales son conducentes a optar títulos profesionales y grados académicos. SUNEDU no se hace responsable por los contenidos accesibles a través del Registro Nacional de Trabajos de Investigación – RENATI.