Imputação de dados categorizados usando o modelo multinomial

Detalhes bibliográficos
Autor(a) principal: Garcia, Mamerto Granja
Data de Publicação: 2003
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-133850/
Resumo: Estamos interessados em mostrar como aproveitar observações incompletas, muitas vezes encontradas em estudos envolvendo dados categorizados em tabelas de contingência. Nesse sentido, propomos o ajuste de um modelo de censura aos dados observados, incluindo aqueles incompletos. O modelo poderá ser ignorável ou não-ignorável, permitindo-nos fazer uso da amostra por completo, por meio da imputação de dados. Neste trabalho, ilustramos o ajuste do modelo de censura ignorável para tabelas de contingência com dados esparsos a uma pesquisa de consumo de drogas na Universidade de São Paulo. O modelo de censura não-ignorável também é descrito e é aplicado a dados de pesquisas eleitorais da eleição para Presidente do Brasil em 2002, segundo turno
id USP_d0590ba914021f5cc15066bf2d7f739d
oai_identifier_str oai:teses.usp.br:tde-20210729-133850
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Imputação de dados categorizados usando o modelo multinomialnot availableAnálise MultivariadaEstamos interessados em mostrar como aproveitar observações incompletas, muitas vezes encontradas em estudos envolvendo dados categorizados em tabelas de contingência. Nesse sentido, propomos o ajuste de um modelo de censura aos dados observados, incluindo aqueles incompletos. O modelo poderá ser ignorável ou não-ignorável, permitindo-nos fazer uso da amostra por completo, por meio da imputação de dados. Neste trabalho, ilustramos o ajuste do modelo de censura ignorável para tabelas de contingência com dados esparsos a uma pesquisa de consumo de drogas na Universidade de São Paulo. O modelo de censura não-ignorável também é descrito e é aplicado a dados de pesquisas eleitorais da eleição para Presidente do Brasil em 2002, segundo turnonot availableBiblioteca Digitais de Teses e Dissertações da USPBarroso, Lúcia PereiraGarcia, Mamerto Granja2003-10-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-133850/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-08-16T12:43:02Zoai:teses.usp.br:tde-20210729-133850Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-08-16T12:43:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Imputação de dados categorizados usando o modelo multinomial
not available
title Imputação de dados categorizados usando o modelo multinomial
spellingShingle Imputação de dados categorizados usando o modelo multinomial
Garcia, Mamerto Granja
Análise Multivariada
title_short Imputação de dados categorizados usando o modelo multinomial
title_full Imputação de dados categorizados usando o modelo multinomial
title_fullStr Imputação de dados categorizados usando o modelo multinomial
title_full_unstemmed Imputação de dados categorizados usando o modelo multinomial
title_sort Imputação de dados categorizados usando o modelo multinomial
author Garcia, Mamerto Granja
author_facet Garcia, Mamerto Granja
author_role author
dc.contributor.none.fl_str_mv Barroso, Lúcia Pereira
dc.contributor.author.fl_str_mv Garcia, Mamerto Granja
dc.subject.por.fl_str_mv Análise Multivariada
topic Análise Multivariada
description Estamos interessados em mostrar como aproveitar observações incompletas, muitas vezes encontradas em estudos envolvendo dados categorizados em tabelas de contingência. Nesse sentido, propomos o ajuste de um modelo de censura aos dados observados, incluindo aqueles incompletos. O modelo poderá ser ignorável ou não-ignorável, permitindo-nos fazer uso da amostra por completo, por meio da imputação de dados. Neste trabalho, ilustramos o ajuste do modelo de censura ignorável para tabelas de contingência com dados esparsos a uma pesquisa de consumo de drogas na Universidade de São Paulo. O modelo de censura não-ignorável também é descrito e é aplicado a dados de pesquisas eleitorais da eleição para Presidente do Brasil em 2002, segundo turno
publishDate 2003
dc.date.none.fl_str_mv 2003-10-10
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 https://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-133850/
url https://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-133850/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815257208855724032