1. Repositório Institucional da UFMG
  2. Trabalhos Acadêmicos
  3. Dissertações e Teses
  4. Pós-Graduação em Estatística
  5. Dissertações de Mestrado
Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/36648
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Flávio Bambirra Gonçalvespt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2015101359463631pt_BR
dc.creatorGabriel Oliveira Assunçãopt_BR
dc.creator.Latteshttp://lattes.cnpq.br/1107449363263889pt_BR
dc.date.accessioned2021-07-02T20:32:45Z-
dc.date.available2021-07-02T20:32:45Z-
dc.date.issued2019-05-17-
dc.identifier.urihttp://hdl.handle.net/1843/36648-
dc.description.abstractThis study aims to compare MCMC algorithms for Bayesian Inference in the 3-parameter TRI model. We consider four different algorithms already proposed inthe literature, which differ basically in relation to the use of auxiliary variables.The main objective is to investigate which algorithm is computationally moreefficient to return a sample of the (same) distribution to textit posteriori. Thecomparison is made based on computational time and effective sample size ofrelevant statistics. The comparison is made in different scenarios with respect tosample size (including items). Through it, one can see that the performance ofthe algorithms varies as the sample size increases. An extension of the Gonçalveset al. (2018) algorithm for the 4-parameter model is also presented and appliedto an Enem database.pt_BR
dc.description.resumoEste estudo tem o objetivo de comparar algoritmos de MCMC para Inferência Bayesiana no modelo da TRI de 3 parâmetros. São considerados quatro diferentes algoritmos já propostos na literatura, que se diferenciam basicamente em relação ao uso de variáveis auxiliares. O objetivo principal é investigar qual algoritmo é computacionalmente mais eficiente para retornar uma amostra da (mesma) distribuição a posteriori. A comparação é feita com base em tempo computacional e tamanho efetivo de amostra de estatísticas relevantes. A comparação é feita em diferentes cenários com relação à tamanho de amostra (incluindo os itens). Através dela, pode-se perceber que a performance dos algoritmos varia conforme o tamanho de amostra aumenta. E apresentado também uma extensão do algoritmo de Gonçalves et al. (2018) para o modelo de 4 parâmetros e este é aplicado a um banco de dados do Enem.pt_BR
dc.description.sponsorshipCNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológicopt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-Graduação em Estatísticapt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectEstatísticapt_BR
dc.subjectTeoria de resposta ao itempt_BR
dc.subjectTeoria bayesiana de decisão estatísticapt_BR
dc.subject.otherEstatísticapt_BR
dc.subject.otherTeoria bayesiana de decisão estatísticapt_BR
dc.subject.otherMarkov, Processos dept_BR
dc.titleComparação entre algoritmos MCMC para Inferência Bayesiana em modelos dicotômicos da TRIpt_BR
dc.typeDissertaçãopt_BR
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
texto_final (4).pdf1.34 MBAdobe PDFView/Open
Show simple item record


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