Pular para o conteúdo
Even3

Seleção de variáveis em regressão linear com misturas

Trecho de 1 min 47 s de Flexible Bayesian Modeling through mixtures, gravado no evento 2a Conferência Brasileira de Planejamento Experimental e Análise de Dados.

Assistir à gravação completaNo Even3 Conteúdos · 1 h 8 min

Sobre este trecho

O professor explica como a abordagem bayesiana utiliza distribuições de mistura a priori nos coeficientes para selecionar variáveis em regressão linear.

Vai de a da gravação.

O que é dito neste trecho

Num contexto de seleção de modelo, eu posso Nós vamos considerar dois exemplos aqui, né? O primeiro é o de seleção de variáveis em modelos de regressão linear, né? Esse é um problema extremamente relevante na teoria estatística de grande importância prática, né? Contexto onde eu tenho uma variável resposta que eu quero explicar através de uma regressão linear e eu tenho um conjunto considerável, né? Um número considerável de potenciais covariáveis x para explicar a minha variável y. Eu sei que eu tenho razões para acreditar que um subconjunto bem menor do que esse conjunto de tamanho k já vai ser suficiente para explicar bem essa variável e aí como escolher essas covariáveis, né? Existem várias formas de fazer isso, uma forma de fazer isso sobre uma abordagem totalmente bayesiana, ou seja, considerar um modelo que contém todos os submodelos, ou seja, todas as combinações de covariáveis, ou seja, 2 elevado a k é utilizando uma distribuição de mistura para distribuição a priori dos coeficientes da regressão. Em que sentido? Se cada se o beta de uma certa covariável for zero, significa que aquela covariável não está no modelo. Então eu atribuo uma a priori que é ou zero com uma certa probabilidade positiva, ou ter uma a priori normal, que é uma a priori padrão para o coeficiente do modelo de regressão normal. Dessa forma, eu tô dando probabilidade positiva a priori de cada uma das variáveis não entrar no modelo, consequentemente a probabilidade de cada um dos 2 elevado a k modelos a posteriori também vai ser positiva e aí eu posso fazer a minha seleção de modelo baseado nessa distribuição a posteriori, né?

Outros trechos deste conteúdo