Untitled - UFRJ
Untitled - UFRJ Untitled - UFRJ
Redes Bayesianas KDB Aplicadas à Credit ScoringAnderson Luiz de SouzaCentro de Estudos do Risco - CER, DEs UFSCarFrancisco Louzada-NetoCentro de Estudos do Risco - CER, DEs UFSCarLuis Aparecido MilanCentro de Estudos do Risco - CER, DEs UFSCarO processo de avaliação de risco de crédito tem sido um interesse comum entre os pesquisadores. Nestecontexto, temos o interesse de identificar clientes bons e maus pagadores através de métodos de classificaçãobinária. Assim, em diversas instituições financeiras, técnicas como análise discriminante, análiseprobito, regressão logística e redes neurais podem ser utilizadas para modelar esse tipo de problema.Alternativamente, a técnica de Redes Bayesianas tem se mostrado um método prático de classificação ecom aplicações bem sucedidas em diversos campos. Assim, neste trabalho, visamos exibir a aplicação dasRedes Bayesianas com k-dependência, também conhecidas como redes KDB, e comparar seu desempenhocom as técnicas convencionais aplicadas no contexto de Credit Scoring. Desta forma, exibiremos comoresultado aplicações da técnica baseadas em conjuntos de dados reais e artificiais.145
Modelos Multivariados de Regressão Beta para Estimação emPequenas ÁreasDebora Ferreira de SouzaDepartamento de Métodos Estatísticos - UFRJFernando Antonio da Silva MouraDepartamento de Métodos Estatísticos - UFRJNeste trabalho são propostos modelos de regressão multivariada em nível de área, onde as variáveisdependentes (Y 1 , ..., Y k ) são restritas ao intervalo (0, 1), seguem distribuição beta e representam taxas,proporções e índices estimados em pequenas áreas com base no desenho de uma pesquisa amostral. Oprimeiro modelo utiliza funções de cópulas para construir a distribuição conjunta das variáveis resposta,enquanto a segunda proposta faz uso de efeitos aleatórios correlacionados. Ambos modelos são estimadossob enfoque Bayesiano e os resultados dos ajustes dos modelos multivariados são comparados àquelesfornecidos pelas regressões individuais.146
- Page 95 and 96: Measuring Vulnerability via Spatial
- Page 97 and 98: Medidas do Valor Preditivo de um Mo
- Page 99 and 100: Aproximações Analíticas para Pos
- Page 101 and 102: Modelo de Risco Logístico Dependen
- Page 103 and 104: A Practical Approach to Elicit Mult
- Page 105 and 106: Modelos Dinâmicos para Deformaçã
- Page 107 and 108: A Semiparametric Bayesian Approach
- Page 109 and 110: Modelo Weibull Modificado de Longa
- Page 111 and 112: Abordagem Bayesiana para Modelos GA
- Page 113 and 114: Modelo Bayesiano Geral de Classe La
- Page 115 and 116: Métodos de Estimação em Modelos
- Page 117 and 118: LASSO Bayesiano no Mapeamento de QT
- Page 119 and 120: Estudo das Matrizes de Covariância
- Page 121 and 122: Sensibilidade da Inferência Bayesi
- Page 123 and 124: Análise Bayesiana para o Estudo de
- Page 125 and 126: Uma Abordagem Bayesiana para Modelo
- Page 127 and 128: Construção de Tábuas de Mortalid
- Page 129 and 130: Um Procedimento Bayesiano para a An
- Page 131 and 132: Um Novo Modelo para Dependência Es
- Page 133 and 134: Distribuição Geométrica Exponenc
- Page 135 and 136: Morbidade Pulmonar e Condições Cl
- Page 137 and 138: Standard Setting for a Rasch Poisso
- Page 139 and 140: Modelo Logístico Misto com Classes
- Page 141 and 142: Metodologia Bayesiana para Detecç
- Page 143 and 144: Modelos Espaço-Temporais para Dado
- Page 145: Comparação de Modelos para a Iden
- Page 149 and 150: Estimação Bayesiana em Modelos de
- Page 151 and 152: Previsão de Resultados de Jogos de
- Page 153 and 154: Uma Abordagem Bayesiana para Modelo
- Page 155 and 156: Análise Bayesiana do Modelo Log-Bi
- Page 157 and 158: Desempate TécnicoFilipe Jaeger Zab
- Page 159 and 160: 10 o Encontro Brasileiro de Estatí
- Page 161 and 162: 10 o Encontro Brasileiro de Estatí
- Page 163: 10 o Encontro Brasileiro de Estatí
Redes Bayesianas KDB Aplicadas à Credit ScoringAnderson Luiz de SouzaCentro de Estudos do Risco - CER, DEs UFSCarFrancisco Louzada-NetoCentro de Estudos do Risco - CER, DEs UFSCarLuis Aparecido MilanCentro de Estudos do Risco - CER, DEs UFSCarO processo de avaliação de risco de crédito tem sido um interesse comum entre os pesquisadores. Nestecontexto, temos o interesse de identificar clientes bons e maus pagadores através de métodos de classificaçãobinária. Assim, em diversas instituições financeiras, técnicas como análise discriminante, análiseprobito, regressão logística e redes neurais podem ser utilizadas para modelar esse tipo de problema.Alternativamente, a técnica de Redes Bayesianas tem se mostrado um método prático de classificação ecom aplicações bem sucedidas em diversos campos. Assim, neste trabalho, visamos exibir a aplicação dasRedes Bayesianas com k-dependência, também conhecidas como redes KDB, e comparar seu desempenhocom as técnicas convencionais aplicadas no contexto de Credit Scoring. Desta forma, exibiremos comoresultado aplicações da técnica baseadas em conjuntos de dados reais e artificiais.145