Tese

Métodos de estimação baseados em modelos na presença de dados faltantes (2022)

• Authors:
  • Ribeiro, Taís Roberta
  • Zuanetti, Daiane Aparecida (Orientador)
• Autor USP: RIBEIRO, TAÍS ROBERTA - Interinstitucional de Pós-Graduação em Estatística
• Unidade: Interinstitucional de Pós-Graduação em Estatística
• Sigla do Departamento: SME
• DOI: 10.11606/T.104.2022.tde-29112022-094513
• Subjects: REGRESSÃO LINEAR; INTEGRAÇÃO NUMÉRICA; PROBABILIDADE; VEROSSIMILHANÇA
• Keywords: Algoritmo EM; Data imputation; EM algorithm; Imputação de dados; Linear and nonlinear regression models; Modelos lineares e não lineares de regressão; Numerical integration
• Agências de fomento:
  • Financiado pela CAPES
• Language: Português
• Abstract: Os dados faltantes são observações que deveriam ter sido feitas, mas não foram por algum motivo, reduzindo, assim, a capacidade de entender a natureza do fenômeno, além de dificultar a extração de informações através dos dados analisados, já que o impacto nos resultados dos estudos nem sempre são conhecidos. Como uma considerável parte das técnicas estatísticas foram desenvolvidas para analisar dados completos, os dados faltantes geralmente precisam ser tratados de maneira que o conjunto de dados resultante possa ser analisado por tais métodos já consolidados. Os métodos mais utilizados para lidar com dados faltantes se dividem, principalmente, entre métodos de remoção e de imputação de dados, sendo ambas as configurações, na maioria das vezes, desvantajosas em termos da análise do resultado final, seja por tornar os resultados viesados ou por termos que trabalhar com a incerteza associada à imputação de valores desconhecidos. Nesse trabalho, então, propomos alguns métodos baseados em modelos para a resolução do problema de dados ausentes para análise de regressão, sem que seja necessário recorrer à imputação ou à remoção de informações. Verificamos o desempenho das metodologias propostas em dados simulados sob diferentes cenários e comparamos com o desempenho de outras técnicas tradicionais de imputação e remoção de dados.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2022
• Data da defesa: 14.10.2022

Informações sobre o DOI: 10.11606/T.104.2022.tde-29112022-094513 (Fonte: oaDOI API)
• 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

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  RIBEIRO, Taís Roberta. Métodos de estimação baseados em modelos na presença de dados faltantes. 2022. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-29112022-094513/. Acesso em: 31 dez. 2025.

• APA

  Ribeiro, T. R. (2022). Métodos de estimação baseados em modelos na presença de dados faltantes (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-29112022-094513/

• NLM

  Ribeiro TR. Métodos de estimação baseados em modelos na presença de dados faltantes [Internet]. 2022 ;[citado 2025 dez. 31 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-29112022-094513/

• Vancouver

  Ribeiro TR. Métodos de estimação baseados em modelos na presença de dados faltantes [Internet]. 2022 ;[citado 2025 dez. 31 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-29112022-094513/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Modelagens estatística para dados de sobrevivência bivariados: uma abordagem bayesiana