Please use this identifier to cite or link to this item: http://monografias.ufrn.br/handle/123456789/8044
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorNunes, Marcus Alexandre-
dc.contributor.authorSilva, Jefferson Barbosa da-
dc.date.accessioned2018-12-18T19:15:25Z-
dc.date.available2018-12-18T19:15:25Z-
dc.date.issued2018-12-05-
dc.identifier2014061093pt_BR
dc.identifier.citationSilva, Jefferson Barbosa da. Aplicação de técnicas de Machine Learning na combinação de pesquisas eleitorais. 2018. 26 f. Trabalho de Conclusão de Curso (Bacharelado em Estatística) - Departamento de Estatística, Universidade Federal do Rio Grande do Norte, Natal, 2018.pt_BR
dc.identifier.urihttp://monografias.ufrn.br/jspui/handle/123456789/8044-
dc.description.abstractThe Brazilian electoral polls are made, mostly, from a non-probabilistic sample plan by quotas. Thus, there is an accumulation of uncertainties regarding the estimates obtained, since there is no way to guarantee that the margin of error is being respected and there is no way to calculate the confidence intervals. As a way to reduce the error in the estimation of the intention of votes, this work proposes the use of techniques of Machine Learning to combine electoral polls. We used the electoral polls for the first round of the presidential election of 2014 in Brazil, published by the institutes Datafolha, Ibope, MDA, Sensus and Vox Populi. The combinations were made using Local Regression, Random Forest and Support Vector Machine (SVM). With the exception of Random Forest and SVM with linear kernel, the other techniques presented as good options for combining the polls.pt_BR
dc.languagept_BRpt_BR
dc.publisherUniversidade Federal do Rio Grande do Nortept_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectSupport Vector Machinespt_BR
dc.subjectRandom Forestpt_BR
dc.subjectMachine Learningpt_BR
dc.titleAplicação de técnicas de Machine Learning na combinação de pesquisas eleitoraispt_BR
dc.typebachelorThesispt_BR
dc.contributor.referees1Pinho, André Luís Santos de-
dc.contributor.referees2Pereira, Marcelo Bourguignon-
dc.description.resumoAs pesquisas eleitorais brasileiras são feitas, em sua grande maioria, a partir de um plano amostral não-probabilístico por cotas. Sendo assim, há um acumulo de incertezas quanto às estimativas obtidas, visto que não há como garantir que a margem de erro está sendo respeitada e não há como calcular os intervalos de confiança. Como forma de reduzir o erro na estimação da intenção de votos, este trabalho propõe o uso de técnicas de Machine Learning para combinar pesquisas eleitorais. Foram utilizadas as pesquisas eleitorais para o primeiro turno da eleição presidencial de 2014 no Brasil, divulgadas pelos institutos Datafolha, Ibope, MDA, Sensus e Vox Populi. As combinações foram feitas utilizando a Regressão Local, Random Forest e Support Vector Machine (SVM). Com excessão do Random Forest e do SVM com kernel linear, as demais técnicas se apresentaram como boas opções para combinar as pesquisas eleitorais.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEstatísticapt_BR
dc.publisher.initialsUFRNpt_BR
dc.subject.cnpqCiências Exatas e da Terrapt_BR
Appears in Collections:Estatística

Files in This Item:
File Description SizeFormat 
AplicaçãoTecnicasMachineLearning _Silva_2018.pdf1.98 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons