dissertação
Fundamentos e aplicações dos critérios de Informação: akaike e bayesiano
Carregando...
Notas
Data
Autores
Orientadores
Editores
Coorientadores
Membros de banca
Título da Revista
ISSN da Revista
Título de Volume
Editor
UNIVERSIDADE FEDERAL DE LAVRAS
Faculdade, Instituto ou Escola
Departamento
Programa de Pós-Graduação
DEX - Departamento de Ciências Exatas
Agência de fomento
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
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
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
Abstract
Descrição
Área de concentração
Estatística e Experimentação Agropecuária
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
ISBN
DOI
Citação
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.