Year: 2023
Type: dissertation
Abstract: Agradeço o meu orientador Luís Gustavo Esteves por todas as ajudas, foi sempre como amigos e me orienta com paciência.Agradecimentos infinitos aos meus pais, me deram os suportes a distância, sem eles não teria sido a concluir esse trabalho. ResumoZheng Zhangzhe.O método de ponderação bayesiana de modelos para seleção de modelos.Dissertação (Mestrado).Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo, 2023.Nas pesquisas em geral, as pessoas comumente propõem um único modelo na seleção de variáveis explicativas e assumem que é o modelo final, mas isso ignora tanto a incerteza do modelo quanto em estimativas de coeficientes.Todos os modelos estatísticos tradicionais têm esse tipo de problema de "incerteza".O Bayesian Model Averaging (BMA) é um método que tem uma longa história de desenvolvimento teórico e aplicação que visa explicar diretamente a incerteza de seleção do modelo.O BMA não seleciona diretamente um único modelo final dentre os disponíveis, mas calcula uma média ponderada dos modelos possíveis baseada nas probabilidades a posteriori de tais modelos.O objetivo deste estudo é revisar o BMA e algumas de suas propriedades e aplicá-lo em alguns exemplos reais.Os resultados mostram que o BMA tem um efeito melhor do que o modelo tradicional de seleção de variáveis e melhores resultados de previsão.Palavras-chave: "Bayesian model averaging"."incerteza do modelo"."fator de Bayes"."validação cruzada"."predição".
Author: Zheng Zhangzhe
Institution: Universidade de São Paulo
Language: Portuguese
Subfield: Statistics and Probability
Field: Mathematics
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W4366452028
