dissertação
A medida L como critério de comparação de modelos: uma revisão da literatura
Carregando...
Notas
Data
Autores
Orientadores
Editores
Coorientadores
Título da Revista
ISSN da Revista
Título de Volume
Editor
UNIVERSIDADE FEDERAL DE LAVRAS
Faculdade, Instituto ou Escola
Departamento
Programa de Pós-Graduação
DEX - Programa de Pós-graduação
Agência de fomento
Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPQ)
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
Resumo
Este estudo refere-se à Medida L e foi feito através de uma revisão de literatura com o objetivo didático de explicitar seu conceito e justificar o seu uso. A Medida L é um critério que se utiliza de conceitos bayesianos e é construída a partir da distribuição preditiva a posteriori dos dados. Pode ser escrita como a soma de dois componentes: um envolve a média desta distribuição e outro envolve as variâncias, e mede o desempenho de um modelo pela combinação de quão próximas as predições estão dos dados observados e qual a variabilidade das predições. Pela Teoria da Decisão, a Medida L é a função perda quadrática. Neste sentido, quando da tomada de decisão, o objetivo é diminuir esta perda ao se escolher um modelo em detrimento de outro. Ainda, o desenvolvimento algébrico da função perda quadrática, resulta no cálculo do Erro Quadrático Médio. Bons modelos terão pequenos valores para a medida
. Para exemplificar o cálculo da medida, estudos de comparação da Medida L com outros critérios, foram feitos em dois exemplos didáticos de dados de regressão linear múltipla com o intuito de ilustrar e analisar o critério e suas comparações. Os resultados dos dois exemplos diferem; enquanto AIC e BIC selecionaram o mesmo modelo, a Medida L selecionou outro modelo.
The study refers to L-Measure, and was done through a literature review with the aim of clarifying the concept, justify its use. The L-Measure is a criterion that uses Bayesian concepts and is constructed from the posterior predictive distribution of the data. It can be written as the sum of two components: one involves the mean of this distribution and the other involves the variances. It measures the performance of a model by the combination of how close the predictions are from the observed data and the variability of predictions. By Decision Theory, L-Measure is the quadratic loss function. In this sense, when the decision is taken, the goal is to reduce this loss when choosing one model over another. The algebraic development of the quadratic loss function will result in the Mean Squared Error. Good models will have small values of . Comparison studies with other L-Measure criteria were made in two didactics examples with linear regression data with the aim to illustrate and analyze the criterion and their comparisons. The criteria AIC and BIC selected the same model, but L-Measure selected a model different to explain the dependent variable.
The study refers to L-Measure, and was done through a literature review with the aim of clarifying the concept, justify its use. The L-Measure is a criterion that uses Bayesian concepts and is constructed from the posterior predictive distribution of the data. It can be written as the sum of two components: one involves the mean of this distribution and the other involves the variances. It measures the performance of a model by the combination of how close the predictions are from the observed data and the variability of predictions. By Decision Theory, L-Measure is the quadratic loss function. In this sense, when the decision is taken, the goal is to reduce this loss when choosing one model over another. The algebraic development of the quadratic loss function will result in the Mean Squared Error. Good models will have small values of . Comparison studies with other L-Measure criteria were made in two didactics examples with linear regression data with the aim to illustrate and analyze the criterion and their comparisons. The criteria AIC and BIC selected the same model, but L-Measure selected a model different to explain the dependent variable.
Abstract
Descrição
Dissertação 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 Mestre.
Área de concentração
Estatística e Experimentação Agropecuária
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
ISBN
DOI
Citação
VEIGA, E. P. A medida L como critério de comparação de modelos: uma revisão da literatura. 2012. 70 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2012.