• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
https://doi.org/10.11606/D.45.1998.tde-20210729-020648
Document
Author
Full name
Rodrigo Andrade Tavares
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 1998
Supervisor
Title in Portuguese
Seleção de variáveis em regressão 'L IND.1'
Keywords in Portuguese
Análise De Regressão E De Correlação
Abstract in Portuguese
O método mais utilizado no ajuste de modelos de regressão múltipla é o de mínimos quadrados, devido a suas propriedades estatísticas serem amplamente estudadas e facilidades computacionais. Contudo, este método é sensível a valores aberrantes, que são muito freqüentes no caso da distribuição dos erros possuir caudas pesadas. O objetivo desta dissertação é apresentar o método de estimação 'L IND.1', que é resistente a valores aberrantes na variável resposta. Será explorado, em particular, o problema de seleção de variáveis, sendo apresentados e desenvolvidos os critérios quando são analisadas as possíveis regressões, e procedimento automáticos de seleção. Um estudo preliminar sobre os efeitos da multicolinearidade nas estimativas 'L IND.1' é também executado. São apresentados também, programas que tornam viável a utilização do método 'L IND.1' em problemas de regressão
Title in English
not available
Abstract in English
A widely used method to fit a multiple regresssion model is the least squares method, due to its statistical properties and computacional facilities. However, this approach can be affected by outliers, wich are very frequent when the errors distribution has heavy tails. The aim of this dissertation is to presente the 'L IND.1' method for regression models, exploring the variables selection problem. Criterions for variables selection are presented and developed when all possible regressions are considered and automatic selection procedures. A preliminary study about the multicolinearity effects over 'L IND.1'estinates is also perfomed. Programs which make possible the use of the 'L IND.1'method in regression problems are presented
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2021-07-29
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2022. All rights reserved.