A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta

Detalhes bibliográficos
Autor(a) principal: Danilo Gilberto de Oliveira Valadares
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFMG
Texto Completo: http://hdl.handle.net/1843/31235
Resumo: Estimadores de máxima verossimilhança de um modelo de regressão logística com erros de classificação na variável resposta são, reconhecidamente, viciados quando os erros são ignorados. A introdução de parâmetros de erros de classificação na função de verossimilhança pode resolver, satisfatoriamente, o problema do vício. Porém, conforme discutido neste trabalho, o aumento da variabilidade dos estimadores pode comprometer o processo de decisão. Assim, o problema pode ser minimizado com a introdução de informação adicional. Mostra-se que a realização de classificações repetidas na variável resposta da amostra ou em parte dela pode ser uma solução para as diminuições simultâneas do vício e da variabilidade dos estimadores.
id UFMG_cd8b00aaf803db85443c8f123b22c2ad
oai_identifier_str oai:repositorio.ufmg.br:1843/31235
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Roberto da Costa Quininohttp://lattes.cnpq.br/4614108535307047Magda Carvalho PiresFrederico Rodrigues Borges da CruzLinda Lee Hohttp://lattes.cnpq.br/8002696659863116Danilo Gilberto de Oliveira Valadares2019-11-22T23:54:59Z2019-11-22T23:54:59Z2019-02-04http://hdl.handle.net/1843/31235Estimadores de máxima verossimilhança de um modelo de regressão logística com erros de classificação na variável resposta são, reconhecidamente, viciados quando os erros são ignorados. A introdução de parâmetros de erros de classificação na função de verossimilhança pode resolver, satisfatoriamente, o problema do vício. Porém, conforme discutido neste trabalho, o aumento da variabilidade dos estimadores pode comprometer o processo de decisão. Assim, o problema pode ser minimizado com a introdução de informação adicional. Mostra-se que a realização de classificações repetidas na variável resposta da amostra ou em parte dela pode ser uma solução para as diminuições simultâneas do vício e da variabilidade dos estimadores.Maximum likelihood estimators for the logistic regression model with misclassification in the response variable are extremely biased when error probabilities are ignored. If misclassification parameters are incorporated in the likelihood function, the bias of the estimators will be satisfactorily reduced, however, there would be a considerable increase in variability, which would reduce the quality of the decision-making process. To minimize the problem, there is a need to introduce additional information. It will be demonstrated that the realization of repeated measures in the response variable, or in part of it, can reduce bias and variability of the estimators, simultaneously.porUniversidade Federal de Minas GeraisPrograma de Pós-Graduação em EstatísticaUFMGBrasilICX - DEPARTAMENTO DE ESTATÍSTICAAnálise de regressão - TesesVerossimilhança (Estatística) - TesesTeoria dos erros - TesesResposta bináriaRegressão logísticaErros de classificaçãoClassificações repetidasA necessidade de classificações repetidas no modelo de regressão logística com erros na variável respostainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINAL201090204_dissertação.pdf201090204_dissertação.pdfapplication/pdf2989360https://repositorio.ufmg.br/bitstream/1843/31235/1/201090204_disserta%c3%a7%c3%a3o.pdf8a7cccbea8970ea5b0c8ced914780280MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82119https://repositorio.ufmg.br/bitstream/1843/31235/2/license.txt34badce4be7e31e3adb4575ae96af679MD52TEXT201090204_dissertação.pdf.txt201090204_dissertação.pdf.txtExtracted texttext/plain112713https://repositorio.ufmg.br/bitstream/1843/31235/3/201090204_disserta%c3%a7%c3%a3o.pdf.txt67d92116126536b993ed9c7ea639544fMD531843/312352019-11-23 03:28:32.374oai:repositorio.ufmg.br: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Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-23T06:28:32Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.pt_BR.fl_str_mv A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
title A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
spellingShingle A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
Danilo Gilberto de Oliveira Valadares
Resposta binária
Regressão logística
Erros de classificação
Classificações repetidas
Análise de regressão - Teses
Verossimilhança (Estatística) - Teses
Teoria dos erros - Teses
title_short A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
title_full A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
title_fullStr A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
title_full_unstemmed A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
title_sort A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
author Danilo Gilberto de Oliveira Valadares
author_facet Danilo Gilberto de Oliveira Valadares
author_role author
dc.contributor.advisor1.fl_str_mv Roberto da Costa Quinino
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/4614108535307047
dc.contributor.advisor-co1.fl_str_mv Magda Carvalho Pires
dc.contributor.referee1.fl_str_mv Frederico Rodrigues Borges da Cruz
dc.contributor.referee2.fl_str_mv Linda Lee Ho
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/8002696659863116
dc.contributor.author.fl_str_mv Danilo Gilberto de Oliveira Valadares
contributor_str_mv Roberto da Costa Quinino
Magda Carvalho Pires
Frederico Rodrigues Borges da Cruz
Linda Lee Ho
dc.subject.por.fl_str_mv Resposta binária
Regressão logística
Erros de classificação
Classificações repetidas
topic Resposta binária
Regressão logística
Erros de classificação
Classificações repetidas
Análise de regressão - Teses
Verossimilhança (Estatística) - Teses
Teoria dos erros - Teses
dc.subject.other.pt_BR.fl_str_mv Análise de regressão - Teses
Verossimilhança (Estatística) - Teses
Teoria dos erros - Teses
description Estimadores de máxima verossimilhança de um modelo de regressão logística com erros de classificação na variável resposta são, reconhecidamente, viciados quando os erros são ignorados. A introdução de parâmetros de erros de classificação na função de verossimilhança pode resolver, satisfatoriamente, o problema do vício. Porém, conforme discutido neste trabalho, o aumento da variabilidade dos estimadores pode comprometer o processo de decisão. Assim, o problema pode ser minimizado com a introdução de informação adicional. Mostra-se que a realização de classificações repetidas na variável resposta da amostra ou em parte dela pode ser uma solução para as diminuições simultâneas do vício e da variabilidade dos estimadores.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-11-22T23:54:59Z
dc.date.available.fl_str_mv 2019-11-22T23:54:59Z
dc.date.issued.fl_str_mv 2019-02-04
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1843/31235
url http://hdl.handle.net/1843/31235
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Estatística
dc.publisher.initials.fl_str_mv UFMG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv ICX - DEPARTAMENTO DE ESTATÍSTICA
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMG
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Repositório Institucional da UFMG
collection Repositório Institucional da UFMG
bitstream.url.fl_str_mv https://repositorio.ufmg.br/bitstream/1843/31235/1/201090204_disserta%c3%a7%c3%a3o.pdf
https://repositorio.ufmg.br/bitstream/1843/31235/2/license.txt
https://repositorio.ufmg.br/bitstream/1843/31235/3/201090204_disserta%c3%a7%c3%a3o.pdf.txt
bitstream.checksum.fl_str_mv 8a7cccbea8970ea5b0c8ced914780280
34badce4be7e31e3adb4575ae96af679
67d92116126536b993ed9c7ea639544f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv
_version_ 1801676741394038784