http://repositorio2.unb.br/jspui/handle/10482/32914
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
2018_EulerRodriguesdeAlencar.pdf | 1,85 MB | Adobe PDF | Visualizar/Abrir |
Título : | Discriminante não-linear para mistura de distribuições Beta |
Autor : | Alencar, Euler Rodrigues de |
Orientador(es):: | Guevara Otiniano, Cira Etheowalda |
Assunto:: | Distribuição beta Mistura finita Função discriminante |
Fecha de publicación : | 26-oct-2018 |
Data de defesa:: | 25-may-2018 |
Citación : | ALENCAR, Euler Rodrigues de. Discriminante não-linear para mistura de distribuições Beta. 2018. ix, 70 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2018. |
Resumen : | Em 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. |
Abstract: | Usually, 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. |
metadata.dc.description.unidade: | Instituto de Ciências Exatas (IE) Departamento de Estatística (IE EST) |
Descripción : | Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018. |
metadata.dc.description.ppg: | Programa de Pós-Graduação em Estatística |
Licença:: | A 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. |
Aparece en las colecciones: | Teses, dissertações e produtos pós-doutorado |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.