Estratégia para posicionamento de nó para regressão spline penalizado

Authors

  • Gabriel Edson Sousa da Silva Instituto Federal do Maranhão - IFMA https://orcid.org/0000-0002-9065-9356
  • Matheus Costa da Silva INSTITUTO FEDERAL DO MARANHÃO - IFMA
  • Ernandes Guedes Moura Instituto Federal do Maranhão - IFMA
  • Luiz Leonardo Duarte Garcia Instituto Federal do Maranhão - IFMA

Keywords:

Regressão não paramétrica, Regressão semi-paramétrica, Splines penalizados, Colocação do nós

Abstract

Apresentamos um novo método para a seleção de sequências de nós para curvas de regressão P-spline. O método parte do pressuposto que os próprios dados determinam a quantidade e a posição dos nós. Assim, esse novo esquema de colocação de nós assume que os nós são uma variável aleatória através de uma grade fina de possíveis candidatos a nós no intervalo da co-variável. Dessa forma, através de uma busca em grade determina-se o knot que maximiza a correlação em cada iteração. Esse novo esquema de colocação de nós obteve excelentes resultados comparativamente a métodos convencionais de alocação de nós em um estudo de simulação e, além disso, nosso estudo de simulação evidencia que essa estratégia torna o modelo mais parcimonioso. Os resultados fornecem orientação na seleção do número de nós não necessariamente equidistantes em um modelo de regressão spline penalizada.

Author Biography

Ernandes Guedes Moura, Instituto Federal do Maranhão - IFMA

Possui graduação em LICENCIATURA EM MATEMÁTICA pelo Instituto Federal do Piauí Campus Floriano (2011) , mestrado em Estatística e Experimentação em Agropecuária-UFLA e, Doutorando na mesma Instituição. Atualmente é professor EBTT do Instituto Federal do Maralhão. Tem experiência na área de Matemática, com ênfase em Matemática e em Estatística.

References

CRAVEN, Peter; WAHBA, Grace. Smoothing Noisy Data with Spline Functions - Estimating the Correct Degree of Smoothing by the Method of Generalized Cross-Validation. Numerische mathematik, v. 31, n. 4, p. 377-403, 1978.https://link.springer.com/content/pdf/10.1007 MONTOYA, Eduardo L.; ULLOA, Nehemias; MILLER, Victoria. A simulation study comparing knot selection methods with equally spaced knots in a penalized regression spline. International Journal of Statistics and Probability, v. 3, n. 3, p. 96-110, 2014.

RUPPERT, David. Selecting the number of knots for penalized splines. Journal of computational and graphical statistics, v. 11, n. 4, p. 735-757, 2002.

RUPPERT, David; WAND, Matt P.; CARROLL, Raymond J. Semiparametric

regression. Cambridge university press, 2003.

R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2018. ISBN 3-900051-07-0, URL https://www.R-project.org/.

YAO, Fang; LEE, Thomas CM. On knot placement for penalized spline regression. Journal of the Korean Statistical Society, v. 37, n. 3, p. 259-267, 2008.

Published

29-07-2019

How to Cite

da Silva, G. E. S., da Silva, M. C., Moura, E. G., & Garcia, L. L. D. (2019). Estratégia para posicionamento de nó para regressão spline penalizado. Sigmae, 8(2), 206–213. Retrieved from https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/967