Abordagem bayesiana para modelos de regressão logística com erros e classificações repetidas

Página do item simplificado
dc.creatorMagda Carvalho Pires
dc.date.accessioned2019-08-11T11:01:54Z
dc.date.accessioned2025-09-08T23:47:38Z
dc.date.available2019-08-11T11:01:54Z
dc.date.issued2010-05-11
dc.identifier.urihttps://hdl.handle.net/1843/ICED-86XQ7H
dc.languagePortuguês
dc.publisherUniversidade Federal de Minas Gerais
dc.rightsAcesso Aberto
dc.subjectEstatística
dc.subjectAnálise de erros (Matemática)
dc.subjectTeoria bayesiana de decisão estatistica
dc.subject.otherregressão logística
dc.subject.otherclassificações repetidas
dc.subject.otherabordagem bayesiana
dc.subject.othererros de classificação
dc.titleAbordagem bayesiana para modelos de regressão logística com erros e classificações repetidas
dc.typeTese de doutorado
local.contributor.advisor1Roberto da Costa Quinino
local.contributor.referee1Linda Lee Ho
local.contributor.referee1Luiz Henrique Duczmal
local.contributor.referee1Enrico Antonio Colosimo
local.contributor.referee1Cibele Queiroz da Silva
local.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.
local.publisher.initialsUFMG

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
tese_magda_carvalho_pires.pdf
Tamanho:
532.34 KB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Pós-Graduação em Estatística - Teses

Logo UFMG