Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/32090
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Flávio Bambirra Gonçalvespt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2015101359463631pt_BR
dc.contributor.advisor-co1Dalton Francisco de Andradept_BR
dc.contributor.referee1Dani Gamermanpt_BR
dc.contributor.referee2Rosangela Helena Loschipt_BR
dc.contributor.referee3Thais Cristina Oliveira da Fonsecapt_BR
dc.contributor.referee4Roberto da Costa Quininopt_BR
dc.creatorJuliane Venturelli Silva Limapt_BR
dc.creator.Latteshttp://lattes.cnpq.br/1396135301998198pt_BR
dc.date.accessioned2020-01-21T16:02:01Z-
dc.date.available2020-01-21T16:02:01Z-
dc.date.issued2019-05-17-
dc.identifier.urihttp://hdl.handle.net/1843/32090-
dc.description.abstractMuitas variáveis latentes podem ser vistas como tendo uma estrutura hierárquica e alguns modelos foram propostos para acomodar tais estruturas. Motivado pelas limitações das abordagens existentes na literatura e pela importância do tema, este trabalho tem como objetivo propor uma metodologia aprimorada em termos de modelagem e inferência. Do ponto de vista de modelagem, a metodologia proposta permite itens genuinamente multidimensionais, não tendo sido feito por trabalhos passados, com uma estrutura hierárquica para os traços latentes, na qual todos estão na mesma escala. São abordados aspectos computacionais, como amostragem em conjunto de todas as características latentes, e planejado cuidadosamente um algoritmo MCMC eficiente. Além disso, algumas propriedades do modelo são provadas.pt_BR
dc.description.resumoMany latent variables can be seen as having a hierarchical structure and some models have been proposed towards this. Motivated by the limitations of the existent literature approaches and on the importance of the theme, this work aims to propose an improved methodology in terms of both modeling and inference. From a modeling perspective, the proposed methodology allows for genuinely multidimensional items, which no past work have done, with a higher order structure for latent traits, in which all of them are in the same scale. We approach computational aspects, such as sampling jointly all latent traits and we carefully devise a MCMC algorithm to be e cient. Also, we prove some model properties that the past authors had done.pt_BR
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorpt_BR
dc.languageengpt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentICX - DEPARTAMENTO DE ESTATÍSTICApt_BR
dc.publisher.programPrograma de Pós-Graduação em Estatísticapt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectIRTpt_BR
dc.subjectBayesianpt_BR
dc.subjectMultidimensionalpt_BR
dc.subjectHierarchicalpt_BR
dc.subject.otherEstatística - Teses.pt_BR
dc.subject.otherEstatística Matemática - Teses.pt_BR
dc.subject.otherTeoria da resposta do item - Tesespt_BR
dc.titleMultidimensional IRT models for hierarchical latent structurespt_BR
dc.title.alternativeModelos multidimensionais de TRI para estruturas latentes hierárquicaspt_BR
dc.typeTesept_BR
Appears in Collections:Teses de Doutorado

Files in This Item:
File Description SizeFormat 
Tese.pdf3.45 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.