1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Estatística e Experimentação Agropecuária - Doutorado (Teses)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/1465
Registro completo de metadados
Campo DCValorIdioma
dc.creatorEmiliano, Paulo César-
dc.date.accessioned2013-11-29T18:34:26Z-
dc.date.available2013-11-29T18:34:26Z-
dc.date.copyright2013-
dc.date.issued2013-11-29-
dc.date.submitted2013-08-30-
dc.identifier.citationEMILIANO, P. C. Critérios de informação: como eles se comportam em diferentes modelos. 2013. 193 p. Tese (Doutorado em Estatística e Experimentação Agropecuária) – Universidade Federal de Lavras, Lavras, 2013.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/1465-
dc.descriptionTese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutor.pt_BR
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado de Minas Gerais (Fapemig)pt_BR
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectSeleção de modelospt_BR
dc.subjectCritérios de informaçãopt_BR
dc.subjectTeste de médiaspt_BR
dc.subjectCurva de crescimentopt_BR
dc.subjectSéries temporaispt_BR
dc.subjectModel selectionpt_BR
dc.subjectInformation critreriapt_BR
dc.subjectMean testpt_BR
dc.subjectGrowth curvespt_BR
dc.subjectTimes seriespt_BR
dc.titleCritérios de informação: como eles se comportam em diferentes modelospt_BR
dc.typetesept_BR
dc.contributor.advisor-coMenezes, Fortunato Silva de-
dc.publisher.programDEX - Programa de Pós-graduaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationEstatística e Experimentação Agropecuáriapt_BR
dc.contributor.advisor1Ferrua Vivanco, Mário Javier-
dc.contributor.referee1Ortega, Edwin Marcos-
dc.contributor.referee1Menezes, Fortunato Silva de-
dc.contributor.referee1Cirillo, Marcelo Ângelo-
dc.contributor.referee1Sáfadi, Thelma-
dc.contributor.referee1Silva, Washington Santos-
dc.description.resumoUm fenômeno pode ser explicado através de modelos, sendo estes destinados a ilustrar certos aspectos do problema, sem contudo, representar todos os detalhes havendo portanto perda de informação. Para não comprometer o entendimento do fenômeno em estudo, esta perda deve ser mínima. Não raro, mais de um modelo pode descrever um mesmo fenômeno, haja vista que não há uma única metodologia a ser seguida. Desse modo, ao se deparar com dois (ou mais modelos) é natural questionarmos: Dentre estes modelos qual é o mais adequado? Um bom modelo deve conseguir equilibrar a qualidade do ajuste e a complexidade, sendo esta, em geral, medida pelo número de parâmetros presentes neste; quanto mais parâmetros, mais complexo será, sendo pois, mais difícil explicá-lo. Assim, a seleção do melhor modelo torna-se, então, evidente. Diversas são as metodologias utilizadas para este fim, dentre eles os critérios de informação de Akaike (AIC), critério de informação de Akaike corrigido (AICc), e critério de informação bayesiano (BIC). Nesta perspectiva, o objetivo deste trabalho é utilizar e avaliar os critérios AIC, AICc e BIC em diferentes áreas: seleção de modelos normais, séries temporais e modelos de crescimento. Estudos de simulação em cada uma das três áreas foram desenvolvidas, bem como uma aplicação a dados reais foi realizada em cada uma das áreas.pt_BR
dc.description.resumoA phenomenon can be explained by models, which are intended to illustrate certain aspects of the problem, without, however, represent all details and consequently no loss of information. To avoid compromising the understanding of the phenomenon under study, this loss should be minimal. Often more than one model can describe the same phenomenon, given that there is no single methodology to be followed. Thus, when faced with two (or more models) is natural questioning: Among these models which is the most suitable? A good model should be able to balance the quality of fit and complexity, which is generally measured by the number of parameters present here, as more parameters, is more complex, and therefore more difficult to explain. Thus, the selection of the best model becomes then evident. There are several methods used for this purpose, including the Akaike information criterion (AIC), Akaike information criterion corrected (AICc) and Bayesian information criterion (BIC). In this perspective, the aim of this work is to use and evaluate the criteria AIC, AICc and BIC in different areas: selection of standard models, time series and growth models. Simulation studies in each of the three areas were developed, as an application to real data is performed in each of the areas.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Aparece nas coleções:Estatística e Experimentação Agropecuária - Doutorado (Teses)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TESE_Critérios de informação como eles se comportam em diferentes.pdf952,03 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.