• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
https://doi.org/10.11606/D.55.2018.tde-02032018-141504
Documento
Autor
Nome completo
Vanderly Janeiro
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2000
Orientador
Banca examinadora
Achcar, Jorge Alberto (Presidente)
Leite, Jose Galvao
Rodrigues, Josemar
Título em português
Análise Bayesiana de Modelos para Dados Binários Correlacionados
Palavras-chave em português
Não disponível
Resumo em português
Nesta dissertação, desenvolvemos uma análise Bayesiana de modelos de regressão para dados binários correlacionados com covariáveis, podendo ocorrer réplicas. Assumimos os modelos de regressão logístico e probito para dados binários correlacionados considerando efeitos aleatórios com uma mistura de distribuições normais, pois este modelo tem uma grande flexibilidade para ser ajustado aos dados binários correlacionados em muitas aplicações. Também fazemos algumas considerações aos casos onde podem ocorrer repetições das observações ou réplicas. Assumimos distribuições a priori informativas para os parâmetros do modelo e consideramos os algoritmos Gibbs sampling e Metropolis- Hastings, para obter as estimativas de Monte Carlo para as quantidades a posteriori de interesse. Apresentamos também algumas considerações na seleção de modelos utilizando uma medida da discrepância entre o modelo ajustado e os dados (resíduo de Pearson) e utilizando as densidades preditivas (fator de Bayes) estimadas por MCMC (Monte Carlo em Cadeias de Markov). Apresentamos um exemplo númerico para ilustrar os métodos propostos.
Título em inglês
Not available
Palavras-chave em inglês
Not availabe
Resumo em inglês
In this dissertation, we develop a Bayesian analysis of regression models for correlated binary data in the presence of covariates, including the case with replicates. We consider probit and logistic regression models for correlated binary data assuming random effects with a mixture of normal distributions, since this model have great flexibility to the fitted for correlated binary data. We also present some considerations for the case with replicates. We assume informative prior distributions for the parameters of the model and we use Gibbs sampling and Metropolis-Hastings algorithms to get Monte Cano estimates for the posterior quantities of interest. We also present some considerations for the selection of models using discrepancy measures between the fitted model and the data (Pearson residuais) and using the predictive densities (Bayes factor) estimated by MCMC (Markov Chain Monte Cano). We present a numerical example to illustrate the proposed methodology.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
VanderlyJaneiro.pdf (6.74 Mbytes)
Data de Publicação
2018-03-02
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.