Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/ICED-86XQ7H
Type: | Tese de Doutorado |
Title: | Abordagem bayesiana para modelos de regressão logística com erros e classificações repetidas |
Authors: | Magda Carvalho Pires |
First Advisor: | Roberto da Costa Quinino |
First Referee: | Linda Lee Ho |
Second Referee: | Luiz Henrique Duczmal |
Third Referee: | Enrico Antonio Colosimo |
metadata.dc.contributor.referee4: | Cibele Queiroz da Silva |
Abstract: | Sob o enfoque bayesiano, apresentamos uma abordagem que incorpora classificações repetidas e independentes ao modelo de regressão logística em que a variável resposta está sujeita a erros de classificação. O primeiro modelo proposto (MTS) considera onúmero total de sucessos obtidos nas classificações, enquanto o segundo modelo (MCF) considera a classificação final do elemento após essas classificações. Os modelos propostos utilizam distribuições a priori de médias condicionadas e o método ARMS em Gibbs Sampler para realizar o processo de inferência. Estudos de simulação demonstraram que MCF apresenta melhor desempenho quando comparado ao MTS e ao modelo em que é realizada apenas uma classificação do elemento amostral. |
Subject: | Estatística Análise de erros (Matemática) Teoria bayesiana de decisão estatistica |
language: | Português |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
Rights: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/ICED-86XQ7H |
Issue Date: | 11-May-2010 |
Appears in Collections: | Teses de Doutorado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
tese_magda_carvalho_pires.pdf | 532.34 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.