Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

Sorted by: relevance · author · university · dateNew search

You searched for +publisher:"Universidade Federal do Amazonas" +contributor:("Matos, Larissa Avila"). Showing records 1 – 3 of 3 total matches.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters

1. Martins, Márcia Brandão de Oliveira. Estimação Bayesiana em modelos de regressão T de student com erros nas variáveis, respostas multivariadas e censuras.

Degree: 2016, Universidade Federal do Amazonas

Apresentamos uma proposta de extensão para o modelo de regressão com erro nas variáveis usual em que tanto o vetor de respostas quanto a covariável estão sujeitos à censura. Assumimos que a distribuição conjunta da covariável e dos erros de observação é t de Student, que é uma alternativa ao modelo normal, porém com caudas pesadas. Um algoritmo do tipo Gibbs sampler é proposto para proceder a estimação Bayesiana dos parâmetros no modelo. Três estudos de simulação são realizados, mostrando a maior flexibilidade do modelo, em relação ao modelo sob normalidade, em ajustar dados com padrão de censura e caudas pesadas, além de uma aplicação em dados reais.

We propose an extension of the usual normal regression model where both the vector of responses and the covariate are possibly censored. We assume that the jointly distribution of covariate and errors is Student-t, which is an alternative to the normal distribution, but with heavy tails. A Gibbs-type algorithm is proposed to carry out Bayesian estimation of the parameters in the model. Three simulation studies are conducted, showing that the proposed model is more flexible than the normal one when fitting data with censoring pattern and heavy tails, in addition to an application with real data.

Advisors/Committee Members: Cabral, Celso Rômulo Barbosa, 24034550244, http://lattes.cnpq.br/4430596586607764, Matos, Larissa Avila, Santos Júnior, James Dean Oliveira dos.

Subjects/Keywords: Modelos com erros nas variáveis; Algoritmo de Gibbs; Truncamento; Estatística; Regressão t de Student; CIÊNCIAS EXATAS E DA TERRA: MATEMÁTICA

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Martins, M. B. d. O. (2016). Estimação Bayesiana em modelos de regressão T de student com erros nas variáveis, respostas multivariadas e censuras. (Masters Thesis). Universidade Federal do Amazonas. Retrieved from http://tede.ufam.edu.br/handle/tede/5615

Chicago Manual of Style (16th Edition):

Martins, Márcia Brandão de Oliveira. “Estimação Bayesiana em modelos de regressão T de student com erros nas variáveis, respostas multivariadas e censuras.” 2016. Masters Thesis, Universidade Federal do Amazonas. Accessed October 27, 2020. http://tede.ufam.edu.br/handle/tede/5615.

MLA Handbook (7th Edition):

Martins, Márcia Brandão de Oliveira. “Estimação Bayesiana em modelos de regressão T de student com erros nas variáveis, respostas multivariadas e censuras.” 2016. Web. 27 Oct 2020.

Vancouver:

Martins MBdO. Estimação Bayesiana em modelos de regressão T de student com erros nas variáveis, respostas multivariadas e censuras. [Internet] [Masters thesis]. Universidade Federal do Amazonas; 2016. [cited 2020 Oct 27]. Available from: http://tede.ufam.edu.br/handle/tede/5615.

Council of Science Editors:

Martins MBdO. Estimação Bayesiana em modelos de regressão T de student com erros nas variáveis, respostas multivariadas e censuras. [Masters Thesis]. Universidade Federal do Amazonas; 2016. Available from: http://tede.ufam.edu.br/handle/tede/5615

2. Monteiro, Renata Evangelista. Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica.

Degree: 2018, Universidade Federal do Amazonas

A estimação tradicional em mistura de modelos de regressão é baseada na suposição de normalidade para os erros aleatórios, sendo assim, sensível a outliers, caudas pesadas e erros assimétricos. Outra desvantagem é que, em geral, a análise é restrita a preditores que são observados diretamente. Apresentamos uma proposta para lidar com estas questões simultaneamente no contexto de mistura de regressões estendendo o modelo normal clássico. Assumimos que, conjuntamente e em cada componente da mistura, os erros aleatórios e as covariáveis seguem uma mistura de escala da distribuição normal assimétrica. Além disso, é feita a suposição de que as covariáveis são observadas com erro aditivo. Um algorítmo do tipo MCMC foi desenvolvido para realizar inferência Bayesiana. A eficácia do modelo proposto é verificada via análises de dados simulados e reais.

The traditional estimation of mixture regression models is based on the assumption of normality of component errors and thus is sensitive to outliers, heavy-tailed and/or asymmetric errors. Another drawback is that, in general, the analysis is restricted to directly observed predictors. We present a proposal to deal with these issues simultaneously in the context of mixture regression by extending the classic normal model by assuming that, for each mixture component, the random errors and the covariates jointly follow a scale mixture of skew-normal distributions. It is also assumed that the covariates are observed with error. An MCMC-type algorithm to perform Bayesian inference is developed and, in order to show the efficacy of the proposed methods, simulated and real data sets are analyzed.

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

Advisors/Committee Members: Cabral, Celso Rômulo Barbosa, 24034550244, http://lattes.cnpq.br/4430596586607764, Matos, Larissa Avila, Pereira, José Raimundo Gomes, [email protected].

Subjects/Keywords: Distribuição normal assimétrica; Mistura de escala normal assimétrica; Mistura de modelos de regressão; Modelo com erro nas covariáveis.; Algoritmo MCMC; Skew-normal distribution; MCMC algorithm; Scale mixtures of skewnormal; Mixture of regression models; Measurement error model; CIÊNCIAS EXATAS E DA TERRA: MATEMÁTICA

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Monteiro, R. E. (2018). Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica. (Masters Thesis). Universidade Federal do Amazonas. Retrieved from https://tede.ufam.edu.br/handle/tede/6417

Chicago Manual of Style (16th Edition):

Monteiro, Renata Evangelista. “Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica.” 2018. Masters Thesis, Universidade Federal do Amazonas. Accessed October 27, 2020. https://tede.ufam.edu.br/handle/tede/6417.

MLA Handbook (7th Edition):

Monteiro, Renata Evangelista. “Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica.” 2018. Web. 27 Oct 2020.

Vancouver:

Monteiro RE. Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica. [Internet] [Masters thesis]. Universidade Federal do Amazonas; 2018. [cited 2020 Oct 27]. Available from: https://tede.ufam.edu.br/handle/tede/6417.

Council of Science Editors:

Monteiro RE. Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica. [Masters Thesis]. Universidade Federal do Amazonas; 2018. Available from: https://tede.ufam.edu.br/handle/tede/6417

3. Barbosa, Sarah Pinheiro. Misturas finitas de densidades beta e de Dirichlet aplicadas em análise discriminante.

Degree: 2018, Universidade Federal do Amazonas

Em muitas aplicações de Análise Discriminante (AD) as observações das variáveis no vetor de características são confinadas ao intervalo (0,1), por exemplo, classificação de pixels em imagens digitais. Neste trabalho, investigamos o emprego do Classificador de Bayes (CB) para estas aplicações, modelando as distribuições nas classes com emprego de Misturas Finitas de Densidades Betas e de Dirichlet. Para investigar e avaliar esta modelagem, desenvolvemos um estudo de simulação, analisando a estimação das densidades e dos parâmetros, assim como, as Taxas de Erro (TE) de classificação. Foram simulados problemas com diferentes estruturas, relativas ao número de componentes, tamanho do conjunto de treinamento, à sobreposição e distribuição das classes. Os resultados do estudo sugerem que os modelos avaliados são capazes de se ajustar aos diferentes problemas considerados, desde os mais simples aos mais complexos, em termos de modelagem das observações para fins de classificação. Com dados reais, situações onde desconhecemos as formas das distribuições nas classes, os CB’s com os modelos implementados apresentaram TE razoáveis quando comparados a outros classificadores mais usuais. Como uma limitação, a modelagem apresenta melhores desempenhos com um número relativamente alto de observações no conjunto de treinamento.

In many Discriminant Analysis (DA) applications the observations of the variables in the characteristic vector are confined on the interval (0,1), p.e, pixel classification in digital images. In this work, we investigated the use of the Bayes Classifier (BC) for these applications, modeling the distributions in the classes using Finite Mixture Density Betas and the Dirichlet. To investigate and evaluate this model, we developed a simulation study, analyzing the estimation of densities and the parameters, as well as the Classification Error Rates (ER). Problems were simulated with different structures, relative to the number of components, training set size, overlap and class distribution. The results of the study suggest that the models evaluated are able to adjust to the different problems considered, from the simplest to the most complex, in terms of modeling observations for classification purposes. With real data, situations where the class distributions are unknow, the BC’s with the implemented models presented reasonable TE when compared to other more usual classifiers. As a limitation, the modeling presents better performances with a relatively high number of observations in the training set.

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

Advisors/Committee Members: Pereira, José Raimundo Gomes, 09991972234, http://lattes.cnpq.br/3697983438100904, Costa, José Mir Justino da, http://lattes.cnpq.br/2396817509327075, Matos, Larissa Avila, http://lattes.cnpq.br/6330766834005870, [email protected].

Subjects/Keywords: Análise Discriminante; Mistura Finita de Densidades; Distribuição Beta; Distribuição Dirichlet; Simulação Computacional; CIÊNCIAS EXATAS E DA TERRA: PROBABILIDADE E ESTATÍSTICA

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Barbosa, S. P. (2018). Misturas finitas de densidades beta e de Dirichlet aplicadas em análise discriminante. (Masters Thesis). Universidade Federal do Amazonas. Retrieved from https://tede.ufam.edu.br/handle/tede/6919

Chicago Manual of Style (16th Edition):

Barbosa, Sarah Pinheiro. “Misturas finitas de densidades beta e de Dirichlet aplicadas em análise discriminante.” 2018. Masters Thesis, Universidade Federal do Amazonas. Accessed October 27, 2020. https://tede.ufam.edu.br/handle/tede/6919.

MLA Handbook (7th Edition):

Barbosa, Sarah Pinheiro. “Misturas finitas de densidades beta e de Dirichlet aplicadas em análise discriminante.” 2018. Web. 27 Oct 2020.

Vancouver:

Barbosa SP. Misturas finitas de densidades beta e de Dirichlet aplicadas em análise discriminante. [Internet] [Masters thesis]. Universidade Federal do Amazonas; 2018. [cited 2020 Oct 27]. Available from: https://tede.ufam.edu.br/handle/tede/6919.

Council of Science Editors:

Barbosa SP. Misturas finitas de densidades beta e de Dirichlet aplicadas em análise discriminante. [Masters Thesis]. Universidade Federal do Amazonas; 2018. Available from: https://tede.ufam.edu.br/handle/tede/6919

.