Modelos lineares parciais aditivos generalizados com suavização por meio de P-splines

Neste trabalho apresentamos os modelos lineares parciais generalizados com uma variável explicativa contínua tratada de forma não paramétrica e os modelos lineares parciais aditivos generalizados com no mínimo duas variáveis explicativas contínuas tratadas de tal forma. São utilizados os P-splines p...

ver descrição completa

Detalhes bibliográficos
Autor: Holanda, Amanda Amorim
Formato: tesis de maestría
Estado:Versión publicada
Fecha de publicación:2018
País:Brasil
Recursos:Universidade de São Paulo (USP)
Repositorio:Biblioteca Digital de Teses e Dissertações da USP
Idioma:portugués
OAI Identifier:oai:teses.usp.br:tde-31052018-113859
Acesso em linha:http://www.teses.usp.br/teses/disponiveis/45/45133/tde-31052018-113859/
Access Level:acceso abierto
Palavra-chave:Generalized additive models
Generalized linear models
Generalized partial linear models
Método de suavização
Modelos aditivos generalizados
Modelos lineares generalizados
Modelos lineares parciais generalizados
Modelos parcialmente lineares
Modelos semiparamétricos
P-splines
Partial linear models
Semiparametric models
Smoothing method
Splines
Descrição
Resumo:Neste trabalho apresentamos os modelos lineares parciais generalizados com uma variável explicativa contínua tratada de forma não paramétrica e os modelos lineares parciais aditivos generalizados com no mínimo duas variáveis explicativas contínuas tratadas de tal forma. São utilizados os P-splines para descrever a relação da variável resposta com as variáveis explicativas contínuas. Sendo assim, as funções de verossimilhança penalizadas, as funções escore penalizadas e as matrizes de informação de Fisher penalizadas são desenvolvidas para a obtenção das estimativas de máxima verossimilhança penalizadas por meio da combinação do algoritmo backfitting (Gauss-Seidel) e do processo iterativo escore de Fisher para os dois tipos de modelo. Em seguida, são apresentados procedimentos para a estimação do parâmetro de suavização, bem como dos graus de liberdade efetivos. Por fim, com o objetivo de ilustração, os modelos propostos são ajustados à conjuntos de dados reais.