Abordagem bayesiana para modelos de regressão logística com erros e classificações repetidas
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Tese de doutorado
Título alternativo
Primeiro orientador
Membros da banca
Linda Lee Ho
Luiz Henrique Duczmal
Enrico Antonio Colosimo
Cibele Queiroz da Silva
Luiz Henrique Duczmal
Enrico Antonio Colosimo
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.
Abstract
Assunto
Estatística, Análise de erros (Matemática), Teoria bayesiana de decisão estatistica
Palavras-chave
regressão logística, classificações repetidas, abordagem bayesiana, erros de classificação