Comparação entre algoritmos MCMC para Inferência Bayesiana em modelos dicotômicos da TRI

Detalhes bibliográficos
Autor(a) principal: Gabriel Oliveira Assunção
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFMG
Texto Completo: http://hdl.handle.net/1843/36648
Resumo: This study aims to compare MCMC algorithms for Bayesian Inference in the 3-parameter TRI model. We consider four different algorithms already proposed inthe literature, which differ basically in relation to the use of auxiliary variables.The main objective is to investigate which algorithm is computationally moreefficient to return a sample of the (same) distribution to textit posteriori. Thecomparison is made based on computational time and effective sample size ofrelevant statistics. The comparison is made in different scenarios with respect tosample size (including items). Through it, one can see that the performance ofthe algorithms varies as the sample size increases. An extension of the Gonçalveset al. (2018) algorithm for the 4-parameter model is also presented and appliedto an Enem database.
id UFMG_11bc75be2070047ac6541c5c9805b050
oai_identifier_str oai:repositorio.ufmg.br:1843/36648
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Comparação entre algoritmos MCMC para Inferência Bayesiana em modelos dicotômicos da TRIEstatísticaTeoria de resposta ao itemTeoria bayesiana de decisão estatísticaEstatísticaTeoria bayesiana de decisão estatísticaMarkov, Processos deThis study aims to compare MCMC algorithms for Bayesian Inference in the 3-parameter TRI model. We consider four different algorithms already proposed inthe literature, which differ basically in relation to the use of auxiliary variables.The main objective is to investigate which algorithm is computationally moreefficient to return a sample of the (same) distribution to textit posteriori. Thecomparison is made based on computational time and effective sample size ofrelevant statistics. The comparison is made in different scenarios with respect tosample size (including items). Through it, one can see that the performance ofthe algorithms varies as the sample size increases. An extension of the Gonçalveset al. (2018) algorithm for the 4-parameter model is also presented and appliedto an Enem database.Este estudo tem o objetivo de comparar algoritmos de MCMC para Inferência Bayesiana no modelo da TRI de 3 parâmetros. São considerados quatro diferentes algoritmos já propostos na literatura, que se diferenciam basicamente em relação ao uso de variáveis auxiliares. O objetivo principal é investigar qual algoritmo é computacionalmente mais eficiente para retornar uma amostra da (mesma) distribuição a posteriori. A comparação é feita com base em tempo computacional e tamanho efetivo de amostra de estatísticas relevantes. A comparação é feita em diferentes cenários com relação à tamanho de amostra (incluindo os itens). Através dela, pode-se perceber que a performance dos algoritmos varia conforme o tamanho de amostra aumenta. E apresentado também uma extensão do algoritmo de Gonçalves et al. (2018) para o modelo de 4 parâmetros e este é aplicado a um banco de dados do Enem.CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoUniversidade Federal de Minas GeraisBrasilPrograma de Pós-Graduação em EstatísticaUFMGFlávio Bambirra Gonçalveshttp://lattes.cnpq.br/2015101359463631Gabriel Oliveira Assunção2021-07-02T20:32:45Z2021-07-02T20:32:45Z2019-05-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1843/36648porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMG2021-07-02T20:32:45Zoai:repositorio.ufmg.br:1843/36648Repositório InstitucionalPUBhttps://repositorio.ufmg.br/oairepositorio@ufmg.bropendoar:2021-07-02T20:32:45Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.none.fl_str_mv Comparação entre algoritmos MCMC para Inferência Bayesiana em modelos dicotômicos da TRI
title Comparação entre algoritmos MCMC para Inferência Bayesiana em modelos dicotômicos da TRI
spellingShingle Comparação entre algoritmos MCMC para Inferência Bayesiana em modelos dicotômicos da TRI
Gabriel Oliveira Assunção
Estatística
Teoria de resposta ao item
Teoria bayesiana de decisão estatística
Estatística
Teoria bayesiana de decisão estatística
Markov, Processos de
title_short Comparação entre algoritmos MCMC para Inferência Bayesiana em modelos dicotômicos da TRI
title_full Comparação entre algoritmos MCMC para Inferência Bayesiana em modelos dicotômicos da TRI
title_fullStr Comparação entre algoritmos MCMC para Inferência Bayesiana em modelos dicotômicos da TRI
title_full_unstemmed Comparação entre algoritmos MCMC para Inferência Bayesiana em modelos dicotômicos da TRI
title_sort Comparação entre algoritmos MCMC para Inferência Bayesiana em modelos dicotômicos da TRI
author Gabriel Oliveira Assunção
author_facet Gabriel Oliveira Assunção
author_role author
dc.contributor.none.fl_str_mv Flávio Bambirra Gonçalves
http://lattes.cnpq.br/2015101359463631
dc.contributor.author.fl_str_mv Gabriel Oliveira Assunção
dc.subject.por.fl_str_mv Estatística
Teoria de resposta ao item
Teoria bayesiana de decisão estatística
Estatística
Teoria bayesiana de decisão estatística
Markov, Processos de
topic Estatística
Teoria de resposta ao item
Teoria bayesiana de decisão estatística
Estatística
Teoria bayesiana de decisão estatística
Markov, Processos de
description This study aims to compare MCMC algorithms for Bayesian Inference in the 3-parameter TRI model. We consider four different algorithms already proposed inthe literature, which differ basically in relation to the use of auxiliary variables.The main objective is to investigate which algorithm is computationally moreefficient to return a sample of the (same) distribution to textit posteriori. Thecomparison is made based on computational time and effective sample size ofrelevant statistics. The comparison is made in different scenarios with respect tosample size (including items). Through it, one can see that the performance ofthe algorithms varies as the sample size increases. An extension of the Gonçalveset al. (2018) algorithm for the 4-parameter model is also presented and appliedto an Enem database.
publishDate 2019
dc.date.none.fl_str_mv 2019-05-17
2021-07-02T20:32:45Z
2021-07-02T20:32:45Z
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/1843/36648
url http://hdl.handle.net/1843/36648
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.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
Brasil
Programa de Pós-Graduação em Estatística
UFMG
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
Brasil
Programa de Pós-Graduação em Estatística
UFMG
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
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv repositorio@ufmg.br
_version_ 1816829900751896576

Registros relacionados