Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/13137
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2015_MateusCarboneAnanias.pdf311,89 kBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorAndrade, Bernardo Borba de-
dc.contributor.authorAnanias, Mateus Carbone-
dc.identifier.citationANANIAS, Mateus Carbone. Implementação computacional do modelo log binomial. 2015. x, 23 f. Trabalho de Conclusão de Curso (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2015.en
dc.descriptionTrabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2015.en
dc.description.abstractEste trabalho teve como principal objetivo, criar um pacote em R para estimar os parâmetros da regressão log binomial a partir do algoritmo de barreira adaptativa. Na maioria dos pacotes estat sticos que estimam modelos lineares generalizados, e usado o algoritmo de iterative weighted least squares (IWLS), por em, este algoritmo tem problemas nas estima ções do modelo log binomial, devido a uma restri ção do esta co param etrico. Para resolver este problema foi proposto o algoritmo de barreira adaptativa, que permite a implementa c~ao de restri ções não lineares, garantindo que as estima cões dos parâmetros permane çam dentro do espa co param etrico. Ent~ao, foi elaborado um pacote que não apenas estimasse os parâmetros, mas que tivesse outras funcionalidades.en
dc.rightsAcesso Abertoen
dc.subject.keywordAlgoritmosen
dc.subject.keywordRegressão logística (Estatística)en
dc.titleImplementação computacional do modelo log binomialen
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladoen
dc.date.accessioned2016-05-18T14:07:37Z-
dc.date.available2016-05-18T14:07:37Z-
dc.date.issued2016-05-18T14:07:37Z-
dc.date.submitted2015-
dc.identifier.urihttp://bdm.unb.br/handle/10483/13137-
dc.language.isoPortuguêsen
Aparece na Coleção:Estatística



Este item está licenciado na Licença Creative Commons Creative Commons