Fundamentos e aplicações dos critérios de Informação: akaike e bayesiano

Página do item simplificado
dc.contributor.advisor1Vivanco, Mário Javier Ferrua
dc.contributor.referee1Cirillo, Marcelo Ângelo
dc.contributor.referee1Menezes, Fortunato Silva de
dc.contributor.referee1Custodio, Telde Natel
dc.creatorEmiliano, Paulo César
dc.date.accessioned2014-09-09T22:21:13Z
dc.date.available2014-09-09T22:21:13Z
dc.date.issued2014-09-09
dc.date.submitted2009-02-19
dc.description.concentrationEstatística e Experimentação Agropecuáriapt_BR
dc.description.resumoObjetivou-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.pt_BR
dc.description.resumoThe 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 resultspt_BR
dc.identifier.citationEMILIANO, 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.pt_BR
dc.identifier.urihttps://repositorio.ufla.br/handle/1/3636
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.publisher.countryBRASILpt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.programDEX - Departamento de Ciências Exataspt_BR
dc.rightsacesso abertopt_BR
dc.subjectCritério de Informação de akaike, entropia, critério de informação de schwarzpt_BR
dc.subjectAkaike information criterion, bayesian information criterionpt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
dc.titleFundamentos e aplicações dos critérios de Informação: akaike e bayesianopt_BR
dc.title.alternativeFundamentals and applications criteria for Information: akaike and bayesianpt_BR
dc.typedissertaçãopt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
DISSERTAÇÃO_Fundamentos e Aplicações dos Critérios de Informação Akaike e Bayesiano.pdf
Tamanho:
496 KB
Formato:
Adobe Portable Document Format
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
953 B
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Estatística e Experimentação Agropecuária - Mestrado (Dissertações)