Aspectos inferenciais em experimentos de Bernoulli comerros e classificações repetidas

Joab de Oliveira Lima

Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/ICED-87KJBX

Full metadata record

DC Field	Value	Language
dc.contributor.advisor1	Roberto da Costa Quinino	pt_BR
dc.contributor.advisor2	Mario de Castro Andrade Filho	pt_BR
dc.contributor.referee1	Linda Lee Ho	pt_BR
dc.contributor.referee2	Luiz Henrique Duczmal	pt_BR
dc.contributor.referee3	Sueli Aparecida Mingoti	pt_BR
dc.contributor.referee4	Edna Afonso Reis	pt_BR
dc.contributor.referee5	Vicente Garibay Cancho	pt_BR
dc.creator	Joab de Oliveira Lima	pt_BR
dc.date.accessioned	2019-08-11T15:47:00Z	-
dc.date.available	2019-08-11T15:47:00Z	-
dc.date.issued	2009-12-09	pt_BR
dc.identifier.uri	http://hdl.handle.net/1843/ICED-87KJBX	-
dc.description.resumo	Este trabalho discute o uso de uma função de verossimilhança na estimação da proporção de itens conformes na presença de erros de classificação e de classificações repetidas. Para investigar a qualidade dos estimadores bayesianos foi construído um estudo comparativo entre a técnica proposta e um modelo descrito por Evans et al. (1996), considerando, para isso, a influência do tamanho da amostra, do número de classificações repetidas, dos erros de julgamento, da proporção de conformidade e de duas distribuições a priori para os erros: Beta(1,2) e Beta(2,10). As medidas estatísticas utilizadas para a comparação das metodologias foram a moda e o desvio padrão das respectivas distribuições a posteriori, além das amplitudes dos intervalos de credibilidade de máxima densidade a posteriori e do fator de Bayes. Os resultados encontrados mostraram que o modelo defendido apresentou desvios padrão e amplitudes dos intervalos de credibilidades inferiores àqueles obtidos pela abordagem concorrente, principalmente quando foi considerada a distribuição a priori Beta(1,2). Além disso, constatou-se também o fator de Bayes favoreceu o uso do modelo proposto. Além disso, foi utilizada uma metodologia de otimização multiobjetivo para obter os valores ótimo do tamanho da amostra (n), do número de classificações repetidas (m) e do critério (a) da classificação final dos itens inspecionados após as m classificações. Para realizar essa tarefa foi sugerido um algoritmo genético híbrido multiobjetivo. Exemplos numéricos ilustraram a metodologia proposta e os resultados encontrados podem ser utilizados para ajudar ao processo decisório.	pt_BR
dc.language	Português	pt_BR
dc.publisher	Universidade Federal de Minas Gerais	pt_BR
dc.publisher.initials	UFMG	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Dados dicotômicos	pt_BR
dc.subject	Erros de classificação	pt_BR
dc.subject	Fator de Bayes	pt_BR
dc.subject	Inferência bayesiana	pt_BR
dc.subject	Algoritmos genéticos	pt_BR
dc.subject	Otimização multiobjetivo	pt_BR
dc.subject.other	Estatística	pt_BR
dc.subject.other	Estatística matemática	pt_BR
dc.subject.other	Algoritmos genéticos	pt_BR
dc.subject.other	Teoria bayesiana de decisão estatistica	pt_BR
dc.title	Aspectos inferenciais em experimentos de Bernoulli comerros e classificações repetidas	pt_BR
dc.type	Tese de Doutorado	pt_BR
Appears in Collections:	Teses de Doutorado

Files in This Item:

File	Description	Size	Format
teseversaofinaldojoab.pdf		2.18 MB	Adobe PDF	View/Open

Show simple item record