Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.unb.br/handle/10482/12532
Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
2012_BarbaradeAlmeidaeSilvaLimadeMatos.pdf1,24 MBAdobe PDFVisualizar/Abrir
Título : Mapeamento ótimo de doenças através da minimização simultânea do viés e da variância
Autor : Matos, Bárbara de Almeida e Silva Lima de
Orientador(es):: Cançado, André Luiz Fernandes
Assunto:: Doenças - mapeamento
Otimização
Análise espacial (Estatística)
Fecha de publicación : 20-mar-2013
Citación : MATOS, Bárbara de Almeida e Silva Lima de. Mapeamento ótimo de doenças através da minimização simultânea do viés e da variância. 2012. ix, 62 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2012.
Resumen : Propõe-se uma metodologia para gerar estimativas de taxa de doenças nas regiões de um mapa. A construção do estimador baseia-se na minimização simultânea de funções definidas como viés e variância local. O novo procedimento de estimação adota duas abordagens que consideram a informação espacial. As estimativas do novo procedimento são alcançadas por meio do algoritmo Multi-objective Particle Swarm Optimization (MOPSO). Foram realizadas comparações entre os resultados da nova metodologia e os provenientes do estimador bayesiano empírico local de Marshall. Conforme os critérios adotados neste trabalho, conclusões satisfatórias foram obtidas com o novo método e superaram os resultados do estimador bayesiano empírico local de Marshall. Uma aplicação com dados de câncer de mama na Nova Inglaterra, Nordeste dos Estados Unidos, é apresentada. _______________________________________________________________________________________ ABSTRACT
In this work it is proposed a methodology to produce estimates of disease rate in regions of a map. The construction of the estimator is based on the simultaneous minimization of functions defined as bias and local variance. The new estimation procedure adopts two approaches, both of which consider the spatial information. Estimates of the new procedure are achieved through the Multiobjective Particle Swarm Optimization (MOPSO) algorithm. The proposed methods were compared to Marshall’s local empirical Bayes estimator. According to the criteria adopted in this work, satisfactory conclusions were obtained and the results indicates that the new method is comparable to, or better than, Marshall’s local empirical Bayes estimator. An application to breast cancer data in New England, Northeast of the United States, is presented.
metadata.dc.description.unidade: Instituto de Ciências Exatas (IE)
Departamento de Estatística (IE EST)
Descripción : Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2012.
metadata.dc.description.ppg: Programa de Pós-Graduação em Estatística
Aparece en las colecciones: Teses, dissertações e produtos pós-doutorado

Mostrar el registro Dublin Core completo del ítem " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/12532/statistics">



Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.