Untitled - UFRJ
Untitled - UFRJ Untitled - UFRJ
Um Modelo Bayesiano de Regressão Logística com Erros eClassificações RepetidasMagda Carvalho PiresUniversidade Federal de Minas GeraisRoberto da Costa QuininoUniversidade Federal de Minas GeraisSob o enfoque bayesiano, apresentamos uma abordagem que incorpora classificações repetidas aomodelo de regressão logística em que a variável resposta está sujeita a erros de classificação. O modeloproposto utiliza distribuições a priori de médias condicionadas e o método Gibbs Sampler para realizaro processo de inferência. Comparando-se com a abordagem em que é realizada apenas uma classificaçãodo elemento amostral, resultados satisfatórios foram obtidos quando não há informação a priori para oserros, quando esses são admitidos como de pequena magnitude e quando a distribuição a priori é bastanteinformativa.119
Sensibilidade da Inferência Bayesiana com Prioris deBayes-Laplace e de Jeffreys para o Modelo Binomial PonderadoRubiane Maria PiresUniversidade Federal de São CarlosJosemar RodriguesUniversidade Federal de São CarlosConsiderando a distribuição a priori de Bayes-Laplace e a de Jeffreys, este trabalho analisa o sensibilidadedas amostras geradas pelo modelo Binomial Ponderado (amostras viciadas) nas probabilidades decobertura dos intervalos de credibilidade para a probabilidade de sucesso ao longo do espaço paramétrico.As distribuições ponderadas incorporam o fato das amostras terem sido selecionadas segundo um mecanismode seleção aleatório distorcido (Bayarri & DeGroot, 1987). O estudo de simulação sugere que aprobabilidade de cobertura para modelo Binomial Ponderado é mais estável em relação ao modelo Binomialcom amostras aleatórias com o uso da distribuição a priori de Bayes-Laplace. Agora estamosinteressados em comparar estes resultados com os obtidos ao considerar a priori de Jeffreys.120
- Page 69 and 70: Uma Abordagem Bayesiana para Proces
- Page 71 and 72: A Bayesian Analysis for the General
- Page 73 and 74: Comparação de um Modelo Dinâmico
- Page 75 and 76: Estimando Variações de Temperatur
- Page 77 and 78: A Bayesian Approach to Multivariate
- Page 79 and 80: Bayesian Inference for Gamma Modula
- Page 81 and 82: Computational Tools for Comparing A
- Page 83 and 84: Modelo Partição Produto com “Cl
- Page 85 and 86: BIC Criterion for Minimal Markov Mo
- Page 87 and 88: Estimadores Lineares Bayesianos em
- Page 89 and 90: Modelos de Volatilidade Estocástic
- Page 91 and 92: Processo de Difusão Multivariado c
- Page 93 and 94: Generalized Latent Factor Models fo
- Page 95 and 96: Measuring Vulnerability via Spatial
- Page 97 and 98: Medidas do Valor Preditivo de um Mo
- Page 99 and 100: Aproximações Analíticas para Pos
- Page 101 and 102: Modelo de Risco Logístico Dependen
- Page 103 and 104: A Practical Approach to Elicit Mult
- Page 105 and 106: Modelos Dinâmicos para Deformaçã
- Page 107 and 108: A Semiparametric Bayesian Approach
- Page 109 and 110: Modelo Weibull Modificado de Longa
- Page 111 and 112: Abordagem Bayesiana para Modelos GA
- Page 113 and 114: Modelo Bayesiano Geral de Classe La
- Page 115 and 116: Métodos de Estimação em Modelos
- Page 117 and 118: LASSO Bayesiano no Mapeamento de QT
- Page 119: Estudo das Matrizes de Covariância
- Page 123 and 124: Análise Bayesiana para o Estudo de
- Page 125 and 126: Uma Abordagem Bayesiana para Modelo
- Page 127 and 128: Construção de Tábuas de Mortalid
- Page 129 and 130: Um Procedimento Bayesiano para a An
- Page 131 and 132: Um Novo Modelo para Dependência Es
- Page 133 and 134: Distribuição Geométrica Exponenc
- Page 135 and 136: Morbidade Pulmonar e Condições Cl
- Page 137 and 138: Standard Setting for a Rasch Poisso
- Page 139 and 140: Modelo Logístico Misto com Classes
- Page 141 and 142: Metodologia Bayesiana para Detecç
- Page 143 and 144: Modelos Espaço-Temporais para Dado
- Page 145 and 146: Comparação de Modelos para a Iden
- Page 147 and 148: Modelos Multivariados de Regressão
- Page 149 and 150: Estimação Bayesiana em Modelos de
- Page 151 and 152: Previsão de Resultados de Jogos de
- Page 153 and 154: Uma Abordagem Bayesiana para Modelo
- Page 155 and 156: Análise Bayesiana do Modelo Log-Bi
- Page 157 and 158: Desempate TécnicoFilipe Jaeger Zab
- Page 159 and 160: 10 o Encontro Brasileiro de Estatí
- Page 161 and 162: 10 o Encontro Brasileiro de Estatí
- Page 163: 10 o Encontro Brasileiro de Estatí
Sensibilidade da Inferência Bayesiana com Prioris deBayes-Laplace e de Jeffreys para o Modelo Binomial PonderadoRubiane Maria PiresUniversidade Federal de São CarlosJosemar RodriguesUniversidade Federal de São CarlosConsiderando a distribuição a priori de Bayes-Laplace e a de Jeffreys, este trabalho analisa o sensibilidadedas amostras geradas pelo modelo Binomial Ponderado (amostras viciadas) nas probabilidades decobertura dos intervalos de credibilidade para a probabilidade de sucesso ao longo do espaço paramétrico.As distribuições ponderadas incorporam o fato das amostras terem sido selecionadas segundo um mecanismode seleção aleatório distorcido (Bayarri & DeGroot, 1987). O estudo de simulação sugere que aprobabilidade de cobertura para modelo Binomial Ponderado é mais estável em relação ao modelo Binomialcom amostras aleatórias com o uso da distribuição a priori de Bayes-Laplace. Agora estamosinteressados em comparar estes resultados com os obtidos ao considerar a priori de Jeffreys.120