Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/ICED-86XQ7H
Tipo: | Tese de Doutorado |
Título: | Abordagem bayesiana para modelos de regressão logística com erros e classificações repetidas |
Autor(es): | Magda Carvalho Pires |
Primeiro Orientador: | Roberto da Costa Quinino |
Primeiro membro da banca : | Linda Lee Ho |
Segundo membro da banca: | Luiz Henrique Duczmal |
Terceiro membro da banca: | Enrico Antonio Colosimo |
Quarto membro da banca: | Cibele Queiroz da Silva |
Resumo: | 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. |
Assunto: | Estatística Análise de erros (Matemática) Teoria bayesiana de decisão estatistica |
Idioma: | Português |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Instituição: | UFMG |
Tipo de Acesso: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/ICED-86XQ7H |
Data do documento: | 11-Mai-2010 |
Aparece nas coleções: | Teses de Doutorado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
tese_magda_carvalho_pires.pdf | 532.34 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.