Estratégia para posicionamento de nó para regressão spline penalizado

Autores/as

  • 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

Palabras clave:

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

Resumen

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.

Biografía del autor/a

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.

Citas

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.

Publicado

29-07-2019

Cómo citar

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. Recuperado a partir de https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/967

Número

Sección

Probability and Statistics