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

• Ano de defesa: 2010
• Autor(a) principal: Magda Carvalho Pires
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Minas Gerais; UFMG
• Palavras-chave em Português: regressão logística; classificações repetidas; abordagem bayesiana; erros de classificação; Estatística; Análise de erros (Matemática); Teoria bayesiana de decisão estatistica
• Link de acesso: http://hdl.handle.net/1843/ICED-86XQ7H

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.