Fundamentos e aplicações dos critérios de Informação: akaike e bayesiano

Fundamentals and applications criteria for Information: akaike and bayesian

dc.contributorVivanco, Mário Javier Ferrua
dc.contributorCirillo, Marcelo Ângelo
dc.contributorMenezes, Fortunato Silva de
dc.contributorCustodio, Telde Natel
dc.creatorEmiliano, Paulo César
dc.date2014-09-09T22:21:13Z
dc.date2014-09-09T22:21:13Z
dc.date2014-09-09
dc.date2009-02-19
dc.date.accessioned2023-09-28T20:00:30Z
dc.date.available2023-09-28T20:00:30Z
dc.identifierEMILIANO, P. C. Fundamentos e aplicações dos critérios de informação: akaike e bayesiano. 2009. 92 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2009.
dc.identifierhttp://repositorio.ufla.br/jspui/handle/1/3636
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9042210
dc.descriptionEstatística e Experimentação Agropecuária
dc.descriptionObjetivou-se com este estudo apresentar os fundamentos do critério de informação de Akaike (AIC) e do critério de informação Bayesiano (BIC), amplamente utilizados na seleção de modelos, e geralmente pouco entendidos. A seleção de modelos é de vital importância em estudos científicos, assim sendo, deve embasarse em princípios científicos, como a parcimônia. O AIC e o BIC são critérios que penalizam a verossimilhança, para que um modelo mais parcimonioso seja selecionado. Estes critérios baseiam-se nos conceitos de informação e entropia, que são fundamentais para o completo entendimento destes critérios, e procurou-se explicar tais conceitos para que o entendimento destes critérios fosse completo. Também foram dadas duas aplicações do AIC e BIC, em regressão e na seleção de modelos normais. Os resultados obtidos ao utilizar-se os dois critérios foram os mesmos para as duas aplicações feitas, e embora os mesmos modelos tenham sido selecionados o AIC e o BIC não necessariamente proporcionam os mesmos resultados.
dc.descriptionThe objective of this study was to present the foundations of the Akaike Information Criterion (AIC) and the Bayesian Information Criterion. (BIC), thoroughly used in the selection of models, and usually little understood. The selection of models is of vital importance in scientific studies, this way, it should be based in scientific beginnings, as the parsimony. The AIC and BIC are criteria that punish the likehood, so that a more model parsimonious it is selected. These criteria are based us concepts of information and entropy, that are fundamental for the complete understanding of these criteria, and it tried to explain such concepts so that the understanding of these criteria went complete. Also two applications of AIC and BIC were given, in regression and in the selection of normal models. The results obtained when using the two methods were the same ones for the two done applications, and although the same models have been selected AIC and BIC no they necessarily provide the same results
dc.formatapplication/pdf
dc.languagept_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRAS
dc.publisherDEX - Departamento de Ciências Exatas
dc.publisherUFLA
dc.publisherBRASIL
dc.rightsacesso aberto
dc.subjectCritério de Informação de akaike, entropia, critério de informação de schwarz
dc.subjectAkaike information criterion, bayesian information criterion
dc.subjectCNPQ_NÃO_INFORMADO
dc.titleFundamentos e aplicações dos critérios de Informação: akaike e bayesiano
dc.titleFundamentals and applications criteria for Information: akaike and bayesian
dc.typedissertação


Este ítem pertenece a la siguiente institución