Discriminante não-linear para mistura de distribuições Beta

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorGuevara Otiniano, Cira Etheowalda-
Autor(es): dc.creatorAlencar, Euler Rodrigues de-
Data de aceite: dc.date.accessioned2021-10-14T18:10:12Z-
Data de disponibilização: dc.date.available2021-10-14T18:10:12Z-
Data de envio: dc.date.issued2018-10-25-
Data de envio: dc.date.issued2018-10-25-
Data de envio: dc.date.issued2018-10-25-
Data de envio: dc.date.issued2018-05-25-
Fonte completa do material: dc.identifierhttp://repositorio.unb.br/handle/10482/32914-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/625147-
Descrição: dc.descriptionDissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018.-
Descrição: dc.descriptionEm geral, nos modelos de mistura finita, há dois tipos de problemas que devem ser resolvidos. O primeiro consiste em estimar o número de componentes da mistura ou estimar os parâmetros da mistura. O segundo problema consiste em estimar a função discriminante da mistura para dados não classificados. Neste trabalho, estuda-se a estimação dos parâmetros da mistura de duas distribuições Beta por máxima verossimilhança. Para o estudo da função discriminante considera-se dados não classificados (mistura) e dados classificados (classificados). Quando trata-se de dados de mistura a estimação dos parâmetros utiliza o algoritmo EM. Para avaliação do desempenho da função discriminante utiliza-se dados simulados e calcula-se os erros de discriminação. Por último, aplica-se a metodologia para um conjunto de dados reais.-
Descrição: dc.descriptionUsually, in finite mixture models, there are two types of problems that must be solved. The first one is to estimate the number of components or to estimate the parameters of the mixture. The second one is to estimate a discriminant function for the unclassified data. This essay study parameter estimation of mixture of two Beta distributions by maximum likelihood. For the search of the discriminative function, consider the unclassified and classified data. When the data set is unclassified EM algorithm is used. To evaluate discrimination performance, simulated data is used and calculate the discrimination errors. Finally, the methodology is applied to real data.-
Formato: dc.formatapplication/pdf-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectDistribuição beta-
Palavras-chave: dc.subjectMistura finita-
Palavras-chave: dc.subjectFunção discriminante-
Título: dc.titleDiscriminante não-linear para mistura de distribuições Beta-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.