<\/p>\n
O Crit\u00e9rio de Informa\u00e7\u00e3o Bayesiano<\/strong> , muitas vezes abreviado como BIC<\/strong> , \u00e9 uma medida usada para comparar a qualidade do ajuste de diferentes modelos de regress\u00e3o.<\/span><\/p>\n Na pr\u00e1tica, ajustamos v\u00e1rios modelos de regress\u00e3o ao mesmo conjunto de dados e escolhemos o modelo com o menor valor de BIC como o modelo que melhor se ajusta aos dados.<\/span><\/p>\n Usamos a seguinte f\u00f3rmula para calcular o BIC:<\/span><\/p>\n BIC:<\/strong> (RSS+log(n)d\u03c3\u0302 2<\/sup> ) \/ n<\/span><\/p>\n Ouro:<\/span><\/p>\n O exemplo passo a passo a seguir mostra como calcular valores BIC para modelos de regress\u00e3o em R.<\/span><\/p>\n Para este exemplo, usaremos o conjunto de dados integrado mtcars<\/strong> :<\/span><\/p>\n A seguir, ajustaremos v\u00e1rios modelos de regress\u00e3o diferentes usando este conjunto de dados:<\/span><\/p>\n Para calcular o valor BIC para cada modelo, podemos usar a fun\u00e7\u00e3o BIC()<\/strong> do pacote flexmix<\/strong> :<\/span><\/p>\n Podemos ver os valores BIC de cada modelo:<\/span><\/p>\n Como o modelo 3 possui o menor valor de BIC, iremos escolh\u00ea-lo como o modelo que melhor se ajusta ao conjunto de dados.<\/span><\/p>\n Os tutoriais a seguir explicam como ajustar modelos de regress\u00e3o comuns em R:<\/span><\/p>\n Como realizar regress\u00e3o linear simples em R<\/a> O Crit\u00e9rio de Informa\u00e7\u00e3o Bayesiano , muitas vezes abreviado como BIC , \u00e9 uma medida usada para comparar a qualidade do ajuste de diferentes modelos de regress\u00e3o. Na pr\u00e1tica, ajustamos v\u00e1rios modelos de regress\u00e3o ao mesmo conjunto de dados e escolhemos o modelo com o menor valor de BIC como o modelo que melhor se […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2137","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Etapa 1: visualizar dados<\/strong><\/span><\/h3>\n
#view first six rows of mtcars dataset\nhead(mtcars)<\/span>\n<\/span>mpg cyl disp hp drat wt qsec vs am gear carb\nMazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4\nMazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4\nDatsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1\nHornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1\nHornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2\nValiant 18.1 6 225 105 2.76 3,460 20.22 1 0 3 1\n<\/strong><\/pre>\n Etapa 2: instalar v\u00e1rios modelos<\/strong><\/span><\/h3>\n
#fit three different regression models\nmodel1 <- lm(mpg ~ disp + hp, data = mtcars)<\/span>\nmodel2 <- lm(mpg ~ disp + qsec, data = mtcars)<\/span>\nmodel3 <- lm(mpg ~ disp + wt, data = mtcars)<\/span>\n<\/span><\/strong><\/pre>\n Passo 3: Escolha o modelo com o BIC mais baixo<\/strong><\/span><\/h3>\n
library<\/span> (flexmix)\n\n#calculate BIC of model1\n<\/span>BIC(model1)\n\n[1] 174.4815\n\n#calculate BIC of model2\n<\/span>BIC(model2)\n\n[1] 177.7048\n\n#calculate BIC of model3\n<\/span>BIC(model3)\n\n[1] 170.0307\n<\/span><\/span><\/strong><\/pre>\n\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Como realizar regress\u00e3o linear m\u00faltipla em R<\/a>
Como realizar regress\u00e3o log\u00edstica em R
Como realizar a regress\u00e3o de m\u00ednimos quadrados ponderados em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"