Defesas 2020/3

Regressão logística sob o ponto de vista inferencial e preditivista

Discente: Maria Júlia Neves Gregório

Ao construir um modelo, nós temos a opção de duas perspectivas, uma inferencial, que possui enfoque maior na interpretação das variáveis explicativas e a outra que prioriza a previsão de novas observações. Este trabalho apresenta as ferramentas de ambas perspectivas para o modelo de Regressão Logística. Para isso será apresentado a estimação por máxima verossimilhança, testes para ajuste do modelo, para o primeiro caso e, artifícios usados para a melhora da previsão, como Validação Cruzada e penalizações como Lasso e Ridge para o segundo caso.

Orientador: Prof. Dr. Tiago Maia Magalhães

16 de março de 2021, às 14h

Link para ouvintes – Senha: CURSOESTATISTICA

Seleção de modelos de regressão linear em bases de alta dimensão

Discente: Isabela Lopes Penna

Esse trabalho se propôs a estudar os diferentes métodos de seleção em modelos de regressão linear múltipla, como métodos de seleção de subconjuntos de variáveis, métodos de regularização e métodos de redução de dimensionalidade. Procedimentos de validação cruzada foram utilizados nos processos de regularização para seleção dos modelos.

Orientador: Prof. Clécio da Silva Ferreira

17 de março de 2021, às 10h

Link para ouvintes – Senha: CURSOESTATISTICA

Modelos lineares generalizados semiparamétricos

Discente: Higor da Cruz Neves

Nesta pesquisa, foi realizada a expansão do Modelo Linear Generalizado para Modelo Linear Generalizado Semiparamétrico através da adição de uma curva não paramétrica na componente sistemática do MLG. Foram consideradas para o estudo as distribuições Binomial, Gamma, Inversa Gaussiana, Normal e Poisson, e suas principais ligações. Os nós da curva não paramétrica foram construídos através dos métodos de Eilers e Marks (1996) e de Green e Silverman (1994). A seleção do parâmetro de suavização foi feita por Validação Cruzada.

Orientador: Prof. Clécio da Silva Ferreira

17 de março de 2021, às 14h

Link para ouvintes – Senha: CURSOESTATISTICA