Francisco Louzada, ICMC/USP
Em modelos de classificação binária, na presença de desbalanceamento de uns e zeros, funções de ligações simétricas, que são geralmente consideradas, podem ser inadequadas e inflexíveis para ajustar a curva de resposta, levando, provavelmente a uma reduzida capacidade preditiva. Além disso, quando os links usuais são considerados, como por exemplo, probit e logit, não há um parâmetro de assimetria associado à distribuição escolhida que pode ser facilmente interpretado. Com o intuito de superar esses problemas, propomos a construção de um conjunto de novas funções de ligação, discutindo algumas de suas propriedades. Neste contexto, funções de ligação potências e suas versões reversas são apresentadas. Inferência Bayesiana via MCMC é desenvolvida para os modelos apresentados. A metodologia é ilustrada em uma amostra de segurados do seguro automóvel selecionados aleatoriamente por gênero. Os resultados sugerem que as funções de ligação propostas são mais apropriadas do que as comumente utilizadas na literatura. Este material é co-autorado por Jorge L. Bazán, Francisco Torres-Avilés e Adriano K. Suzuki.
