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