A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Danilo Gilberto de Oliveira Valadares
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Minas Gerais
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Análise de regressão - Teses
Verossimilhança (Estatística) - Teses
Teoria dos erros - Teses
Link de acesso: https://hdl.handle.net/1843/31235
Resumo: Maximum likelihood estimators for the logistic regression model with misclassification in the response variable are extremely biased when error probabilities are ignored. If misclassification parameters are incorporated in the likelihood function, the bias of the estimators will be satisfactorily reduced, however, there would be a considerable increase in variability, which would reduce the quality of the decision-making process. To minimize the problem, there is a need to introduce additional information. It will be demonstrated that the realization of repeated measures in the response variable, or in part of it, can reduce bias and variability of the estimators, simultaneously.
id UFMG_cd8b00aaf803db85443c8f123b22c2ad
oai_identifier_str oai:repositorio.ufmg.br:1843/31235
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling 2019-11-22T23:54:59Z2025-09-09T00:50:10Z2019-11-22T23:54:59Z2019-02-04https://hdl.handle.net/1843/31235Maximum likelihood estimators for the logistic regression model with misclassification in the response variable are extremely biased when error probabilities are ignored. If misclassification parameters are incorporated in the likelihood function, the bias of the estimators will be satisfactorily reduced, however, there would be a considerable increase in variability, which would reduce the quality of the decision-making process. To minimize the problem, there is a need to introduce additional information. It will be demonstrated that the realization of repeated measures in the response variable, or in part of it, can reduce bias and variability of the estimators, simultaneously.porUniversidade Federal de Minas GeraisResposta bináriaRegressão logísticaErros de classificaçãoClassificações repetidasAnálise de regressão - TesesVerossimilhança (Estatística) - TesesTeoria dos erros - TesesA necessidade de classificações repetidas no modelo de regressão logística com erros na variável respostainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisDanilo Gilberto de Oliveira Valadaresinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGhttp://lattes.cnpq.br/8002696659863116Roberto da Costa Quininohttp://lattes.cnpq.br/4614108535307047Magda Carvalho PiresFrederico Rodrigues Borges da CruzLinda Lee HoEstimadores de máxima verossimilhança de um modelo de regressão logística com erros de classificação na variável resposta são, reconhecidamente, viciados quando os erros são ignorados. A introdução de parâmetros de erros de classificação na função de verossimilhança pode resolver, satisfatoriamente, o problema do vício. Porém, conforme discutido neste trabalho, o aumento da variabilidade dos estimadores pode comprometer o processo de decisão. Assim, o problema pode ser minimizado com a introdução de informação adicional. Mostra-se que a realização de classificações repetidas na variável resposta da amostra ou em parte dela pode ser uma solução para as diminuições simultâneas do vício e da variabilidade dos estimadores.BrasilICX - DEPARTAMENTO DE ESTATÍSTICAPrograma de Pós-Graduação em EstatísticaUFMGORIGINAL201090204_dissertação.pdfapplication/pdf2989360https://repositorio.ufmg.br//bitstreams/f59a6915-78b4-4659-98d9-5604d5d93393/download8a7cccbea8970ea5b0c8ced914780280MD51trueAnonymousREADLICENSElicense.txttext/plain2119https://repositorio.ufmg.br//bitstreams/d64bcd2f-f776-408d-aab5-a6c57c48d2f1/download34badce4be7e31e3adb4575ae96af679MD52falseAnonymousREADTEXT201090204_dissertação.pdf.txttext/plain112713https://repositorio.ufmg.br//bitstreams/d1945d62-a897-437a-b081-3259f693465f/download67d92116126536b993ed9c7ea639544fMD53falseAnonymousREADTHUMBNAIL201090204_dissertação.pdf.jpg201090204_dissertação.pdf.jpgGenerated Thumbnailimage/jpeg3210https://repositorio.ufmg.br//bitstreams/24518e09-6c56-4291-86ab-4a623c579b4d/downloadeaef36af4d224b705004c7cf692e1370MD54falseAnonymousREAD1843/312352025-09-09 15:50:06.151open.accessoai:repositorio.ufmg.br:1843/31235https://repositorio.ufmg.br/Repositório InstitucionalPUBhttps://repositorio.ufmg.br/oairepositorio@ufmg.bropendoar:2025-09-09T18:50:06Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)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
dc.title.none.fl_str_mv A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
title A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
spellingShingle A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
Danilo Gilberto de Oliveira Valadares
Análise de regressão - Teses
Verossimilhança (Estatística) - Teses
Teoria dos erros - Teses
Resposta binária
Regressão logística
Erros de classificação
Classificações repetidas
title_short A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
title_full A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
title_fullStr A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
title_full_unstemmed A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
title_sort A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta
author Danilo Gilberto de Oliveira Valadares
author_facet Danilo Gilberto de Oliveira Valadares
author_role author
dc.contributor.author.fl_str_mv Danilo Gilberto de Oliveira Valadares
dc.subject.por.fl_str_mv Análise de regressão - Teses
Verossimilhança (Estatística) - Teses
Teoria dos erros - Teses
topic Análise de regressão - Teses
Verossimilhança (Estatística) - Teses
Teoria dos erros - Teses
Resposta binária
Regressão logística
Erros de classificação
Classificações repetidas
dc.subject.other.none.fl_str_mv Resposta binária
Regressão logística
Erros de classificação
Classificações repetidas
description Maximum likelihood estimators for the logistic regression model with misclassification in the response variable are extremely biased when error probabilities are ignored. If misclassification parameters are incorporated in the likelihood function, the bias of the estimators will be satisfactorily reduced, however, there would be a considerable increase in variability, which would reduce the quality of the decision-making process. To minimize the problem, there is a need to introduce additional information. It will be demonstrated that the realization of repeated measures in the response variable, or in part of it, can reduce bias and variability of the estimators, simultaneously.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-11-22T23:54:59Z
2025-09-09T00:50:10Z
dc.date.available.fl_str_mv 2019-11-22T23:54:59Z
dc.date.issued.fl_str_mv 2019-02-04
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://hdl.handle.net/1843/31235
url https://hdl.handle.net/1843/31235
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
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//bitstreams/f59a6915-78b4-4659-98d9-5604d5d93393/download
https://repositorio.ufmg.br//bitstreams/d64bcd2f-f776-408d-aab5-a6c57c48d2f1/download
https://repositorio.ufmg.br//bitstreams/d1945d62-a897-437a-b081-3259f693465f/download
https://repositorio.ufmg.br//bitstreams/24518e09-6c56-4291-86ab-4a623c579b4d/download
bitstream.checksum.fl_str_mv 8a7cccbea8970ea5b0c8ced914780280
34badce4be7e31e3adb4575ae96af679
67d92116126536b993ed9c7ea639544f
eaef36af4d224b705004c7cf692e1370
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv repositorio@ufmg.br
_version_ 1862105617514102784

Registros relacionados