Algoritmos Estocásticos de Selección de Variables en el Modelo Lineal General
En este trabajo se implementaron tres algoritmos Monte Carlo porCadenas de Markov (MCMC) llamados: búsqueda estocástica para laselección de variables, prioris incondicionales para la selecciónde variables, y selección de variables Gibbs en el contexto de losmodelos lineales. La metodología es ilustr...
| Autor Principal: | Infante, Saba Rafael |
|---|---|
| Formato: | info:eu-repo/semantics/article |
| Idioma: | spa |
| Publicado: |
Universidad Santo Tomás
2013
|
| Materias: | |
| Acceso en línea: |
http://revistas.usta.edu.co/index.php/estadistica/article/view/11 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: |
En este trabajo se implementaron tres algoritmos Monte Carlo porCadenas de Markov (MCMC) llamados: búsqueda estocástica para laselección de variables, prioris incondicionales para la selecciónde variables, y selección de variables Gibbs en el contexto de losmodelos lineales. La metodología es ilustrada usando datossimulados y reales. Se estudia el problema de selección devariables en conjuntos de datos donde la cantidad de variables esmoderadamente grande, con un alto grado de correlación y paradistintos tamaños muestrales. Se demuestra que los métodos sonafectados por los cambios en los parámetros de las distribucionesa prioris, y cuando el tamaño de la muestra es pequeña. Lametodología discrimina correctamente los modelos y reduce loscostos computacionales y los efectos económicos en problemasmultidimensionales. |
|---|