Banca de DEFESA: LUCIANO SANTANA DOS SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : LUCIANO SANTANA DOS SANTOS
DATA : 21/08/2026
HORA: 10:00
LOCAL: Instituto de Matemática e Estatística - Auditório
TÍTULO:

Métodos de regularização para seleção de variáveis no modelo de Cox de alta dimensão: Uma análise comparativa

PALAVRAS-CHAVES:

Modelo de Cox, LASSO, Elastic Net, SCAD, MCP, alta dimensão.

PÁGINAS: 107
RESUMO:

Neste trabalho, estudamos técnicas de regularização para a seleção de preditores no modelo de riscos proporcionais de Cox em cenários de alta dimensionalidade, ou seja, cenários nos quais o número de variáveis explicativas (p) excede significativamente o número de observações (n), p >> n. Investigamos os métodos de regularização penalizada LASSO, Elastic Net, SCAD e MCP, contemplando tanto seus fundamentos teóricos quanto suas propriedades assintóticas no contexto de alta dimensionalidade. O desempenho dos métodos foi avaliado por meio de um estudo de simulação via Monte Carlo com 1.000 réplicas, considerando dois cenários de dimensionalidade, n = 50, p = 100 e n = 100, p = 1.000, e diferentes proporções de variáveis significativas (2%, 5%, 10% e 20%). Foram consideradas duas estruturas de covariância para as covariáveis, representadas pela matriz identidade e pela estrutura de Toeplitz, sendo a correlação entre as covariáveis relevantes examinada quanto ao seu impacto na seleção de variáveis. A parte numérica do trabalho foi realizada utilizando os pacotes biglasso, glmnet, ncvreg e penalized do software R. Os métodos de seleção foram comparados segundo métricas de acurácia, especificidade, precisão, sensibilidade e distância para investigar o desempenho da estimação. Utilizamos um conjunto de dados reais, o NKI de câncer de mama, disponível no pacote penalized, para validar os resultados obtidos teórica e numericamente. Os resultados indicam que os métodos SCAD e MCP produzem modelos mais parcimoniosos e com menos variáveis incorretamente incluídas, mas, em contrapartida, acabam deixando de incluir diversas variáveis relevantes, sobretudo em cenários de alta dimensionalidade, maior correlação entre covariáveis e maior censura. O Elastic Net, por sua vez, mostrou-se o método mais equilibrado nessas mesmas condições, conciliando de forma mais adequada a inclusão das variáveis corretas com a exclusão das irrelevantes.

MEMBROS DA BANCA:
Presidente - 2979623 - JALMAR MANUEL FARFAN CARRASCO
Externo ao Programa - 3424040 - RODNEY VASCONCELOS FONSECA - UFBAExterno à Instituição - DANIELA CARINE RAMIRES DE OLIVEIRA