Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DEX - Departamento de Ciências Exatas >
DEX - Programa de Pós-graduação >
DEX - Estatística e Experimentação Agropecuária - Mestrado (Dissertações) >

Por favor, utilize esse identificador para citar este item ou usar como link: http://repositorio.ufla.br/jspui/handle/1/3636

Título: Fundamentos e aplicações dos critérios de Informação: akaike e bayesiano
Título Alternativo: Fundamentals and applications criteria for Information: akaike and bayesian
Autor(es): Emiliano, Paulo César
Orientador: Vivanco, Mário Javier Ferrua
Membro da banca: Cirillo, Marcelo Ângelo
Menezes, Fortunato Silva de
Custodio, Telde Natel
Área de concentração: Estatística e Experimentação Agropecuária
Assunto: Critério de Informação de akaike, entropia, critério de informação de schwarz
Akaike information criterion, bayesian information criterion
Data de Defesa: 19-Fev-2009
Data de publicação: 9-Set-2014
Referência: EMILIANO, P. C. Fundamentos e aplicações dos critérios de informação: akaike e bayesiano. 2009. 92 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2009.
Resumo: Objetivou-se com este estudo apresentar os fundamentos do critério de informação de Akaike (AIC) e do critério de informação Bayesiano (BIC), amplamente utilizados na seleção de modelos, e geralmente pouco entendidos. A seleção de modelos é de vital importância em estudos científicos, assim sendo, deve embasarse em princípios científicos, como a parcimônia. O AIC e o BIC são critérios que penalizam a verossimilhança, para que um modelo mais parcimonioso seja selecionado. Estes critérios baseiam-se nos conceitos de informação e entropia, que são fundamentais para o completo entendimento destes critérios, e procurou-se explicar tais conceitos para que o entendimento destes critérios fosse completo. Também foram dadas duas aplicações do AIC e BIC, em regressão e na seleção de modelos normais. Os resultados obtidos ao utilizar-se os dois critérios foram os mesmos para as duas aplicações feitas, e embora os mesmos modelos tenham sido selecionados o AIC e o BIC não necessariamente proporcionam os mesmos resultados.
The objective of this study was to present the foundations of the Akaike Information Criterion (AIC) and the Bayesian Information Criterion. (BIC), thoroughly used in the selection of models, and usually little understood. The selection of models is of vital importance in scientific studies, this way, it should be based in scientific beginnings, as the parsimony. The AIC and BIC are criteria that punish the likehood, so that a more model parsimonious it is selected. These criteria are based us concepts of information and entropy, that are fundamental for the complete understanding of these criteria, and it tried to explain such concepts so that the understanding of these criteria went complete. Also two applications of AIC and BIC were given, in regression and in the selection of normal models. The results obtained when using the two methods were the same ones for the two done applications, and although the same models have been selected AIC and BIC no they necessarily provide the same results
URI: http://repositorio.ufla.br/jspui/handle/1/3636
Publicador: UNIVERSIDADE FEDERAL DE LAVRAS
Idioma: pt_BR
Aparece nas coleções: DEX - Estatística e Experimentação Agropecuária - Mestrado (Dissertações)

Arquivos neste Item:

Arquivo Descrição TamanhoFormato
DISSERTAÇÃO_Fundamentos e Aplicações dos Critérios de Informação Akaike e Bayesiano.pdf496 kBAdobe PDFVer/abrir

Itens protegidos por copyright, com todos os direitos reservados, Salvo indicação em contrário.


Mostrar estatísticas

 


DSpace Software Copyright © 2002-2007 MIT and Hewlett-Packard - Feedback