Inferência sobre erros de classificação de sistemas de medição com respostas do tipo atributo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/ICED-AQ22W2 |
Resumo: | Para estimar os erros de classificação de sistemas de medição que classificam itens dicotomicamente com possibilidade de classificações repetidas, o método de máxima verossimilhança é comumente utilizado, principalmente em razão de sua eficiência em obter estimativas para os parâmetros de uma mistura de duas distribuições binomiais. Uma alternativa mais intuitiva e operacionalmente mais simples é dada pelo método de maioria simples. Nessa abordagem, cada item é classificado r vezes como conforme ou não-conforme. A classificação final do objeto é determinada pelo valor categórico mais frequente. Um estudo prévio indicou que os estimadores -- para as probabilidades dos erros de classificação de sistemas de medição com respostas dicotômicas -- baseados no procedimento de maioria simples possuem menor erro quadrático médio que os correspondentes estimadores de máxima verossimilhança, além de terem as mesmas propriedades assintóticas desses. Nesta tese, introduzimos uma variação do procedimento de maioria simples na qual a realização de um número fixo de r medições repetidas não é necessário para a definição da classificação final de uma unidade. Nessa nova abordagem, cada item é sequencialmente classificado como conforme ou não-conforme e processo cessa quando a frequência do resultado conforme ou do resultado não-conforme atinge um determinado valor inteiro. Mostramos que os estimadores baseados nesse procedimento são assintoticamente consistentes e não-enviesados. Além disso, por meio de simulação de Monte Carlo, verificamos que essa abordagem apresenta menor erro quadrático médio que os métodos de maioria simples (para um número médio de repetições similar a r) e de máxima verossimilhança. Entretanto, existem circunstâncias que requerem o emprego de sistemas de medição com respostas em uma escala mais ampla de valores categóricos nominais. Nesta tese, propomos também estimadores fundamentados em resultados de maioria simples para avaliar os erros de classificação de sistemas de medição que classificam objetos em um domínio nominal tricotômico. Modelamos o procedimento de maioria simples para o caso tricotômico usando uma mistura de três distribuições multinomiais. Demonstramos que esses estimadores são assintoticamente consistentes e não-enviesados, e comparamos seu desempenho com os correspondentes estimadores de máxima verossimilhança via simulação de Monte Carlo. Constatamos que os estimadores propostos são uma alternativa competitiva porque são computacionalmente mais simples e apresentam performance similar ao método de máxima verossimilhança. Esclarecemos que, nesta tese, estamos interessados no contexto em que o real estado de qualidade dos objetos não pode ser determinado. |
id |
UFMG_2fe5c5ac408becc3f887ab05385df19b |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/ICED-AQ22W2 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Roberto da Costa QuininoEmilio SuyamaEmilio SuyamaFrederico Rodrigues Borges da CruzLuiz Henrique DuczmalLinda Lee HoFernando Luiz Pereira de OliveiraRicardo Saldanha de Morais2019-08-12T22:53:14Z2019-08-12T22:53:14Z2016-12-20http://hdl.handle.net/1843/ICED-AQ22W2Para estimar os erros de classificação de sistemas de medição que classificam itens dicotomicamente com possibilidade de classificações repetidas, o método de máxima verossimilhança é comumente utilizado, principalmente em razão de sua eficiência em obter estimativas para os parâmetros de uma mistura de duas distribuições binomiais. Uma alternativa mais intuitiva e operacionalmente mais simples é dada pelo método de maioria simples. Nessa abordagem, cada item é classificado r vezes como conforme ou não-conforme. A classificação final do objeto é determinada pelo valor categórico mais frequente. Um estudo prévio indicou que os estimadores -- para as probabilidades dos erros de classificação de sistemas de medição com respostas dicotômicas -- baseados no procedimento de maioria simples possuem menor erro quadrático médio que os correspondentes estimadores de máxima verossimilhança, além de terem as mesmas propriedades assintóticas desses. Nesta tese, introduzimos uma variação do procedimento de maioria simples na qual a realização de um número fixo de r medições repetidas não é necessário para a definição da classificação final de uma unidade. Nessa nova abordagem, cada item é sequencialmente classificado como conforme ou não-conforme e processo cessa quando a frequência do resultado conforme ou do resultado não-conforme atinge um determinado valor inteiro. Mostramos que os estimadores baseados nesse procedimento são assintoticamente consistentes e não-enviesados. Além disso, por meio de simulação de Monte Carlo, verificamos que essa abordagem apresenta menor erro quadrático médio que os métodos de maioria simples (para um número médio de repetições similar a r) e de máxima verossimilhança. Entretanto, existem circunstâncias que requerem o emprego de sistemas de medição com respostas em uma escala mais ampla de valores categóricos nominais. Nesta tese, propomos também estimadores fundamentados em resultados de maioria simples para avaliar os erros de classificação de sistemas de medição que classificam objetos em um domínio nominal tricotômico. Modelamos o procedimento de maioria simples para o caso tricotômico usando uma mistura de três distribuições multinomiais. Demonstramos que esses estimadores são assintoticamente consistentes e não-enviesados, e comparamos seu desempenho com os correspondentes estimadores de máxima verossimilhança via simulação de Monte Carlo. Constatamos que os estimadores propostos são uma alternativa competitiva porque são computacionalmente mais simples e apresentam performance similar ao método de máxima verossimilhança. Esclarecemos que, nesta tese, estamos interessados no contexto em que o real estado de qualidade dos objetos não pode ser determinado.Universidade Federal de Minas GeraisUFMGTeoria das distribuições (Analise funcional)Método de Monte CarloEstatísticaAnálise de erros (Matemática)EstatisticaVerossimilhança (Estatistica)Verossimilhança (Estatística)Erros de classificaçãoAlgoritmo EMResultados de maioria simplesSistemas de mediçãoSimulação de Monte CarloModelos de classe latenteMistura de distribuições multinomiaisInferência sobre erros de classificação de sistemas de medição com respostas do tipo atributoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALtesericardomorais.pdfapplication/pdf1397784https://repositorio.ufmg.br/bitstream/1843/ICED-AQ22W2/1/tesericardomorais.pdf9e9a0f6e29235b44ef875109b035ead0MD51TEXTtesericardomorais.pdf.txttesericardomorais.pdf.txtExtracted texttext/plain238347https://repositorio.ufmg.br/bitstream/1843/ICED-AQ22W2/2/tesericardomorais.pdf.txt85ed94d5eeb14aad14b50cf6faff1066MD521843/ICED-AQ22W22019-11-14 20:14:55.986oai:repositorio.ufmg.br:1843/ICED-AQ22W2Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T23:14:55Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Inferência sobre erros de classificação de sistemas de medição com respostas do tipo atributo |
title |
Inferência sobre erros de classificação de sistemas de medição com respostas do tipo atributo |
spellingShingle |
Inferência sobre erros de classificação de sistemas de medição com respostas do tipo atributo Ricardo Saldanha de Morais Erros de classificação Algoritmo EM Resultados de maioria simples Sistemas de medição Simulação de Monte Carlo Modelos de classe latente Mistura de distribuições multinomiais Teoria das distribuições (Analise funcional) Método de Monte Carlo Estatística Análise de erros (Matemática) Estatistica Verossimilhança (Estatistica) Verossimilhança (Estatística) |
title_short |
Inferência sobre erros de classificação de sistemas de medição com respostas do tipo atributo |
title_full |
Inferência sobre erros de classificação de sistemas de medição com respostas do tipo atributo |
title_fullStr |
Inferência sobre erros de classificação de sistemas de medição com respostas do tipo atributo |
title_full_unstemmed |
Inferência sobre erros de classificação de sistemas de medição com respostas do tipo atributo |
title_sort |
Inferência sobre erros de classificação de sistemas de medição com respostas do tipo atributo |
author |
Ricardo Saldanha de Morais |
author_facet |
Ricardo Saldanha de Morais |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Roberto da Costa Quinino |
dc.contributor.advisor-co1.fl_str_mv |
Emilio Suyama |
dc.contributor.referee1.fl_str_mv |
Emilio Suyama |
dc.contributor.referee2.fl_str_mv |
Frederico Rodrigues Borges da Cruz |
dc.contributor.referee3.fl_str_mv |
Luiz Henrique Duczmal |
dc.contributor.referee4.fl_str_mv |
Linda Lee Ho |
dc.contributor.referee5.fl_str_mv |
Fernando Luiz Pereira de Oliveira |
dc.contributor.author.fl_str_mv |
Ricardo Saldanha de Morais |
contributor_str_mv |
Roberto da Costa Quinino Emilio Suyama Emilio Suyama Frederico Rodrigues Borges da Cruz Luiz Henrique Duczmal Linda Lee Ho Fernando Luiz Pereira de Oliveira |
dc.subject.por.fl_str_mv |
Erros de classificação Algoritmo EM Resultados de maioria simples Sistemas de medição Simulação de Monte Carlo Modelos de classe latente Mistura de distribuições multinomiais |
topic |
Erros de classificação Algoritmo EM Resultados de maioria simples Sistemas de medição Simulação de Monte Carlo Modelos de classe latente Mistura de distribuições multinomiais Teoria das distribuições (Analise funcional) Método de Monte Carlo Estatística Análise de erros (Matemática) Estatistica Verossimilhança (Estatistica) Verossimilhança (Estatística) |
dc.subject.other.pt_BR.fl_str_mv |
Teoria das distribuições (Analise funcional) Método de Monte Carlo Estatística Análise de erros (Matemática) Estatistica Verossimilhança (Estatistica) Verossimilhança (Estatística) |
description |
Para estimar os erros de classificação de sistemas de medição que classificam itens dicotomicamente com possibilidade de classificações repetidas, o método de máxima verossimilhança é comumente utilizado, principalmente em razão de sua eficiência em obter estimativas para os parâmetros de uma mistura de duas distribuições binomiais. Uma alternativa mais intuitiva e operacionalmente mais simples é dada pelo método de maioria simples. Nessa abordagem, cada item é classificado r vezes como conforme ou não-conforme. A classificação final do objeto é determinada pelo valor categórico mais frequente. Um estudo prévio indicou que os estimadores -- para as probabilidades dos erros de classificação de sistemas de medição com respostas dicotômicas -- baseados no procedimento de maioria simples possuem menor erro quadrático médio que os correspondentes estimadores de máxima verossimilhança, além de terem as mesmas propriedades assintóticas desses. Nesta tese, introduzimos uma variação do procedimento de maioria simples na qual a realização de um número fixo de r medições repetidas não é necessário para a definição da classificação final de uma unidade. Nessa nova abordagem, cada item é sequencialmente classificado como conforme ou não-conforme e processo cessa quando a frequência do resultado conforme ou do resultado não-conforme atinge um determinado valor inteiro. Mostramos que os estimadores baseados nesse procedimento são assintoticamente consistentes e não-enviesados. Além disso, por meio de simulação de Monte Carlo, verificamos que essa abordagem apresenta menor erro quadrático médio que os métodos de maioria simples (para um número médio de repetições similar a r) e de máxima verossimilhança. Entretanto, existem circunstâncias que requerem o emprego de sistemas de medição com respostas em uma escala mais ampla de valores categóricos nominais. Nesta tese, propomos também estimadores fundamentados em resultados de maioria simples para avaliar os erros de classificação de sistemas de medição que classificam objetos em um domínio nominal tricotômico. Modelamos o procedimento de maioria simples para o caso tricotômico usando uma mistura de três distribuições multinomiais. Demonstramos que esses estimadores são assintoticamente consistentes e não-enviesados, e comparamos seu desempenho com os correspondentes estimadores de máxima verossimilhança via simulação de Monte Carlo. Constatamos que os estimadores propostos são uma alternativa competitiva porque são computacionalmente mais simples e apresentam performance similar ao método de máxima verossimilhança. Esclarecemos que, nesta tese, estamos interessados no contexto em que o real estado de qualidade dos objetos não pode ser determinado. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016-12-20 |
dc.date.accessioned.fl_str_mv |
2019-08-12T22:53:14Z |
dc.date.available.fl_str_mv |
2019-08-12T22:53:14Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/ICED-AQ22W2 |
url |
http://hdl.handle.net/1843/ICED-AQ22W2 |
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.initials.fl_str_mv |
UFMG |
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/ICED-AQ22W2/1/tesericardomorais.pdf https://repositorio.ufmg.br/bitstream/1843/ICED-AQ22W2/2/tesericardomorais.pdf.txt |
bitstream.checksum.fl_str_mv |
9e9a0f6e29235b44ef875109b035ead0 85ed94d5eeb14aad14b50cf6faff1066 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589205628026880 |