Algoritmos Estocásticos de Selección de Variables en el Modelo Lineal General

Saba Rafael Infante

Resumen


En este trabajo se implementaron tres algoritmos Monte Carlo por
Cadenas de Markov (MCMC) llamados: búsqueda estocástica para la
selección de variables, prioris incondicionales para la selección
de variables, y selección de variables Gibbs en el contexto de los
modelos lineales. La metodología es ilustrada usando datos
simulados y reales. Se estudia el problema de selección de
variables en conjuntos de datos donde la cantidad de variables es
moderadamente grande, con un alto grado de correlación y para
distintos tamaños muestrales. Se demuestra que los métodos son
afectados por los cambios en los parámetros de las distribuciones
a prioris, y cuando el tamaño de la muestra es pequeña. La
metodología discrimina correctamente los modelos y reduce los
costos computacionales y los efectos económicos en problemas
multidimensionales.

Palabras clave


Algoritmos Estocásticos, Selección de Variables, Model Lineal General

Texto completo:

PDF BibTex


DOI: http://dx.doi.org/10.15332/s2027-3355.2012.0002.02

Métricas de artículo

Cargando métricas ...

Metrics powered by PLOS ALM

Enlaces refback

  • No hay ningún enlace refback.


ISSN: 2027-3355 – ISSN Online: 2339-3076