Aspectos inferenciais em experimentos de Bernoulli comerros e classificações repetidas

• Ano de defesa: 2009
• Autor(a) principal: Joab de Oliveira Lima
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Minas Gerais; UFMG
• Palavras-chave em Português: Dados dicotômicos; Erros de classificação; Fator de Bayes; Inferência bayesiana; Algoritmos genéticos; Otimização multiobjetivo; Estatística; Estatística matemática; Teoria bayesiana de decisão estatistica
• Link de acesso: http://hdl.handle.net/1843/ICED-87KJBX

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.