Seleção Bayesiana de variáveis para modelos de mistura de regressão logística com variáveis latentes Pólya-Gamma (2022)
- Authors:
- Autor USP: BOGONI, MARIELLA ANANIAS - ICMC/UFSCar
- Unidade: ICMC/UFSCar
- Sigla do Departamento: SME
- DOI: 10.11606/D.104.2022.tde-10032022-163610
- Subjects: INFERÊNCIA BAYESIANA; REGRESSÃO LOGÍSTICA; CADEIAS DE MARKOV; MÉTODOS MCMC
- Keywords: G-prior; G-priori; Pólya-Gamma-sampling; Pólya-Gamma-sampling; Priori spike e slab; Seleção de variáveis; Spike and slab prior; Variable selection
- Agências de fomento:
- Language: Português
- Abstract: Neste trabalho, métodos Bayesianos para estimação e seleção de variáveis em um modelo de mistura de regressão logística são apresentados. Com o objetivo de simplificar a inferência Bayesiana e ganhar eficiência computacional, a abordagem de aumento de dados com variáveis latentes Pólya-Gama é estendida para modelos de mistura de regressão logística. Através dela, o algoritmo amostrador de Gibbs é aplicado para a estimação do modelo completo, com a estimação do número de componentes da mistura sendo feita através de critérios Bayesianos de seleção de modelos. Para a seleção de variáveis, duas distribuições a priori para os coeficientes de regressão são investigadas, adicionando um segundo conjunto de variáveis latentes para indicar a presença e ausência das variáveis preditoras em cada componente da mistura. De modo análogo ao modelo completo, o algoritmo amostrador de Gibbs é aplicado no modelo com a seleção de variáveis e a conjugação obtida para a distribuição dos coeficientes de regressão, com a inclusão das variáveis Pólya-Gama, nos permite calcular analiticamente a verossimilhança marginal e ganhar eficiência computacional no processo de seleção de variáveis. Para analisar a performance dos métodos, as metodologias apresentadas são aplicadas em dados simulados e reais.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2022
- Data da defesa: 15.02.2022
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
BOGONI, Mariella Ananias. Seleção Bayesiana de variáveis para modelos de mistura de regressão logística com variáveis latentes Pólya-Gamma. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-10032022-163610/. Acesso em: 27 set. 2024. -
APA
Bogoni, M. A. (2022). Seleção Bayesiana de variáveis para modelos de mistura de regressão logística com variáveis latentes Pólya-Gamma (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-10032022-163610/ -
NLM
Bogoni MA. Seleção Bayesiana de variáveis para modelos de mistura de regressão logística com variáveis latentes Pólya-Gamma [Internet]. 2022 ;[citado 2024 set. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-10032022-163610/ -
Vancouver
Bogoni MA. Seleção Bayesiana de variáveis para modelos de mistura de regressão logística com variáveis latentes Pólya-Gamma [Internet]. 2022 ;[citado 2024 set. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-10032022-163610/ - Modeling spatial pattern of anemia and malnutrition co-occurrence among under-five children in Ethiopia: a Bayesian geostatistical approach
- Risk factors of concurrent malnutrition among children in Ethiopia: a bivariate spatial modeling approach
- Under age five children survival times in Nigeria: a Bayesian spatial modeling approach
- Bayesian spatio-temporal statistical modeling of violent-related fatality in western and central Africa
Informações sobre o DOI: 10.11606/D.104.2022.tde-10032022-163610 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas