Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/ICED-86XQ7H
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Roberto da Costa Quininopt_BR
dc.contributor.referee1Linda Lee Hopt_BR
dc.contributor.referee2Luiz Henrique Duczmalpt_BR
dc.contributor.referee3Enrico Antonio Colosimopt_BR
dc.contributor.referee4Cibele Queiroz da Silvapt_BR
dc.creatorMagda Carvalho Pirespt_BR
dc.date.accessioned2019-08-11T11:01:54Z-
dc.date.available2019-08-11T11:01:54Z-
dc.date.issued2010-05-11pt_BR
dc.identifier.urihttp://hdl.handle.net/1843/ICED-86XQ7H-
dc.description.resumoSob 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.pt_BR
dc.languagePortuguêspt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectregressão logísticapt_BR
dc.subjectclassificações repetidaspt_BR
dc.subjectabordagem bayesianapt_BR
dc.subjecterros de classificaçãopt_BR
dc.subject.otherEstatísticapt_BR
dc.subject.otherAnálise de erros (Matemática)pt_BR
dc.subject.otherTeoria bayesiana de decisão estatisticapt_BR
dc.titleAbordagem bayesiana para modelos de regressão logística com erros e classificações repetidaspt_BR
dc.typeTese de Doutoradopt_BR
Appears in Collections:Teses de Doutorado

Files in This Item:
File Description SizeFormat 
tese_magda_carvalho_pires.pdf532.34 kBAdobe PDFView/Open


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