La determinación de modelos mediante una aproximación Bayesiana comprende la adecuacidad y selección de modelos a través de herramientas de diagnósticos Bayesianas definidas apropiadamente. Estas herramientas involucran a distribuciones predictivas condicionales univariadas que se asume generó los datos observados. El cálculo de estas herramientas es hecha a través de métodos basados en simulación estocástica. Los resultados obtenidos para datos artificiales validan las herramientas para propósitos de determinación de modelos. Un ejemplo en el campo de ciencias biológicas es ilustrado usando las herramientas definidas anteriormente.

En investigaciones de origen cuantitativo generalmente se emplean instrumentos de medición que generan base de datos dicotómicas, en la cual cada persona responde las preguntas o ítems del instrumento. Subyacente a estas respuestas existen variables no observables o variables latentes que caracterizan a las personas evaluadas y a los ítems del instrumento de medición utilizado. En este trabajo se modeló la probabilidad de responder correctamente al ítem en función a sus parámetros mediante el uso de los modelos logísticos o modelos de Rasch. Considerando las respuestas a estas variables latentes de las personas, de lo ítems, y sus supuestos se estimó los parámetros a partir de la función de verosimilitud del modelo. En esta tesis se mostró diferentes métodos de estimación como el de Máxima Verosimilitud Marginal (MVM) que depende de las puntuaciones que se obtenga en cada ítem, el de Máxima Verosimilitud Condicional (MVCOND) que considerara patrones de respuesta, el método de Máxima Verosimilitud Conjunta (MVC) y el método Bayesiano utilizando Cadenas de Markov y métodos de Monte Carlo (MCMC) como el algoritmo Gibbs Sampling. El Método Bayesiano fué analizado bajo dos esquemas: adaptative rejection sampling (ARS) y el data argumentation gibbs sampling (DAGS). Con estos métodos se estimaron los parámetros de los ítems y las personas evaluadas, los cuales se compararon con estudios de simulación determinándose que el mejor método de estimación es el Bayesiano. El método bayesiano presenta las estimativas más precisas considerando diferentes escenarios de tamaño de muestra y número de ítems frente a los otros métodos de estimación. Adicionalmente no tiene restricción en la estimación frente a valores extremos y finalmente es un método conjunto que estima al mismo tiempo habilidades y dificultades a diferencia de otros métodos que sólo estiman dificultades u otros que estiman ambos pero baja precisión. Finalmente se realizó una aplicación del modelo en el ámbito educacional. / Tesis

Los modelos de diagnóstico cognitivo (MDC) tienen como finalidad describir o diagnosticar el comportamiento de los evaluados por medio de clases o perfiles latentes, de tal manera que se obtenga información más específica acerca de las fortalezas y debilidades de ellos. Uno de los modelos más populares de esta gran familia es el llamado modelo DINA, el cual tuvo su primera aparición en Haertel (1989) enfocado principalmente en el campo educacional. Este modelo considera solo respuestas observadas dicotómicas de parte de los individuos y tiene como restricción principal que ellos deben dominar necesariamente todas las habilidades requeridas por cada ítem; aquellas que se resumen en una matriz llamada Q. Asimismo, el modelo estima parámetros para los ítems, los cuales son denominados de \ruido": Adivinación y Desliz. En este trabajo desarrolla teóricamente el modelo expuesto; es decir, sus fundamentos y principales propiedades desde el enfoque bayesiano. Específicamente, las estimaciones se realizan mediante el Muestreador de Gibbs. Se realizaron 8 estudios de simulación, cada uno de ellos con tres diferentes tamaños de población, donde se probaron combinaciones de los parámetros en estudio con el fin de comparar la recuperación de parámetros mediante el enfoque clásico y el bayesiano. El análisis de ambos enfoques se realizó con rutinas de código del software libre R, usando los paquetes CDM y dina para el enfoque clásico y el bayesiano, respectivamente. En líneas generales, los resultados muestran estimaciones insesgadas y con valores pequeños de la raíz del error cuadrático medio (RMSE) para ambos enfoques. Incluso, conforme el tamaño de la población incrementa, las estimaciones no tienen mayores diferencias. Aunque en tamaños de población más pequeños el enfoque bayesiano obtiene ligeras ventajas con respecto al otro, especialmente en el parámetro de probabilidad de pertenencia a las clases (π). Además, es necesario mencionar que los parámetros de ruido de los ítems son estimados más precisamente con el enfoque clásico en varios de los estudios. Finalmente, se presenta una aplicación enfocada en educación, donde se analiza una muestra de 3040 alumnos del 2do grado de secundaria, evaluados en una prueba de 48 ítems de la competencia matemática realizada por la Oficina de Medición de la Calidad de los Aprendizajes (UMC) en el 2015. A esta prueba se le aplica el modelo de Rasch y el modelo DINA bajo el enfoque bayesiano, con el _n de estudiar la correspondencia entre indicadores de ambos modelos, tanto para los parámetros de los alumnos (habilidad y per_les latentes) como de los ítems (dificultad y parámetros de ruido). / Trabajo de investigación

El modelo de análisis de clases latentes tiene como finalidad describir una variable no observable a través del agrupamiento de los individuos en base a sus patrones de respuestas. La estimación en este modelo se puede realizar mediante el algoritmo de Esperanza-Maximización (EM) y su desarrollo para el caso politómico se encuentra implementado en el paquete poLCA de R. Desde el punto de vista bayesiano, esta estimación ha sido hasta el momento implementada sólo para el caso de variables dicotómicas. En este trabajo, se busca extender este ultimo aporte para el caso politómico, haciendo uso del muestrador de Gibbs. La aplicación del modelo de análisis de clases latentes, bajo el enfoque bayesiano aquí desarrollado, se realizó sobre un conjunto de datos reales relacionados con la con fianza hacia 21 instituciones públicas en una encuesta para Lima Metropolitana. En general, se identificaron tres grupos de encuestados seg un sus niveles de confianza institucional, los cuales se analizaron luego en relación a otras variables. / Tesis

Se conoce que el modelo lineal normal no es apropiado para situaciones en la que la variable respuesta es una proporción que solo toma valores en un rango limitado (0; 1), pues, se pueden obtener valores ajustados para la variable de inter es que exceden sus límites inferior y superior. Ante dicha situación, una propuesta es utilizar la distribución beta ya que es bastante flexible para modelar proporciones. Este modelo de regresión, sin embargo, puede ser influenciado por la presencia de valores atípicos o extremos. Debido a ello, se ha propuesto en la literatura, un modelo de mayor robustez llamado modelo de regresión beta rectangular, el cual permite una mayor incidencia de tales valores. El objetivo general de la tesis es estudiar las propiedades, estimar y aplicar a un conjunto de datos reales el modelo de regresión beta rectangular desde el punto de vista de la estadística bayesiana. Para cumplir con el objetivo planteado, se estudian las características y propiedades de las distribuciones beta y beta rectangular. Luego, se desarrolla el análisis bayesiano del modelo de regresión beta rectangular considerando las distribuciones a priori y a posteriori, los criterios de selección de modelos y simulaciones de Montecarlo v a cadenas de Markov. También, se realizan estudios de simulación para demostrar que el nuevo modelo es m as robusto que el modelo de regresión beta. Adicionalmente, se presenta una aplicación para mostrar la utilidad del modelo de regresión beta rectangular. / Tesis

Los efectos o externalidades de red son factores que pueden condicionar las decisiones de contratación de los consumidores en favor de empresas ya establecidas y en contra de los nuevos competidores, pudiendo limitar la competencia efectiva y potencial de los mercados, en especial, en aquellas industrias donde el número de empresas es bajo y la entrada de nuevos competidores es poco frecuente. Por ello, es importante verificar su existencia y la magnitud de sus efectos sobre las decisiones de compra de los consumidores con el objetivo de justificar o establecer medidas que impulsen una competencia más equilibrada entre las empresas. Además, teniendo en consideración que los consumidores pueden tener cierto grado de heterogeneidad en sus comportamientos de adquisición, también resulta relevante estudiar el grado de diferenciación de los efectos de red entre los consumidores a fin de mejorar las políticas que fomenten la competencia. Este trabajo tiene por objetivo estimar un modelo logit mixto bajo el enfoque de la inferencia bayesiana, para estudiar empíricamente la existencia y heterogeneidad de los efectos de red sobre las decisiones de contratación de los consumidores en la industria de telefonía móvil peruana. El análisis se hace con base a una muestra que combina información de la Encuestas Residencial de Servicios de Telecomunicaciones (ERESTEL) del a˜no 2015 e información de las empresas operadoras del servicio de telefonía móvil. Los resultados de las estimaciones realizadas sugieren que los efectos de red tendrían un condicionamiento importante sobre las decisiones de contración del servicio de telefonía móvil, además de presentar un grado de heterogeneidad estadísticamente significativo en la magnitud de sus efectos. / Tesis

La determinación de modelos mediante una aproximación Bayesiana comprende la adecuacidad y selección de modelos a través de herramientas de diagnósticos Bayesianas definidas apropiadamente. Estas herramientas involucran a distribu¬ciones predictivas condicionales univariadas que se asume generó los datos obser¬vados. El cálculo de estas herramientas es hecha a través de métodos basados en simulación estocástica. Los resultados obtenidos para datos artificiales validan las herramientas para propósitos de determinación de modelos. Un ejemplo en el campo de ciencias biológicas es ilustrado usando las herramientas definidas anteriormente.

Made available in DSpace on 2014-06-12T17:42:12Z (GMT). No. of bitstreams: 2 arquivo7409_1.pdf: 1001051 bytes, checksum: ea0fe2bbf5fe4d911d6a15851b4bba04 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2004 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A análise de confiabilidade é uma técnica de suporte a tomadas de decisão e controle que auxilia gestores na busca da garantia da execução satisfatória das funções dos ítens a respeito de um dado sistema, considerando suas limitações, o seu desgaste e os fatores que influenciam seu desempenho, sejam estes ítens equipamentos ou pessoas. É comum a aplicação de técnicas, tais como as de árvores de falhas e de eventos, na representação probabilística do funcionamento dos equipamentos integrantes do sistema, assim como métodos direcionados à análise de confiabilidade quando pessoas fazem parte do processo. Estas duas linhas são comumente chamadas de análise de confiabilidade de equipamentos e análise de confiabilidade humana, respectivamente. Um dos principais problemas de tais conjuntos de técnicas é que estas requerem adaptações que, em muitos casos, tornam a modelagem precária ou distante da realidade do sistema. Neste sentido, podese citar: suposições de independência entre variáveis que na verdade são relacionadas; partição simplória de eventos como favoráveis ou desfavoráveis e dificuldades para a inclusão de novos conhecimentos ou para sua quantificação nos modelos construídos. Neste trabalho, mostra-se que a modelagem, ou mesmo a abordagem, por redes Bayesianas de métodos direcionados às análises de confiabilidade de equipamentos e humana pode permitir uma maior flexibilidade e proporcionar uma maior fidelidade quanto aos mecanismos probabilísticos que regem as incertezas presentes nos sistemas, resultando em inferências mais precisas, além de uma maior compreensão diagramática do comportamento dinâmico do processo diante de eventos rotineiros ou anormais

Dissertação (mestrado)—Universidade de Brasília, Instituto de Psicologia, Programa de Pós-Graduação em Psicologia Social, do Trabalho e das Organizações, 2017. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2017-06-08T17:49:53Z No. of bitstreams: 1 2017_VíthorRosaFranco.pdf: 570257 bytes, checksum: 1cd8bd8261f5bb3d018dd60db281348d (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-06-12T17:25:23Z (GMT) No. of bitstreams: 1 2017_VíthorRosaFranco.pdf: 570257 bytes, checksum: 1cd8bd8261f5bb3d018dd60db281348d (MD5) / Made available in DSpace on 2017-06-12T17:25:23Z (GMT). No. of bitstreams: 1 2017_VíthorRosaFranco.pdf: 570257 bytes, checksum: 1cd8bd8261f5bb3d018dd60db281348d (MD5) Previous issue date: 2017-06-12 / De acordo com um paradigma emergente, a teorização em psicologia não deve ser restrita a meras descrições verbais de como nos comportamos e pensamos. Se os fenômenos podem ser de alguma forma expressos por números, a teoria precisa também adotar um raciocínio matemático e probabilístico, algo que a análise tradicional de dados não pode realizar. Embora natural no avanço das teorias de tomada de decisão, de detecção de sinal e de resposta ao item, entre outras áreas, isso raramente é identificado em importantes processos sociopsicológicos. Desculpar-se é o processo de desvencilhar a si mesmo da causa de uma falha social. É uma estratégia de gerenciamento de impressões, em grande parte explicada pela teoria atribucional, a qual ainda não foi submetida a uma abordagem de psicologia matemática. O objetivo principal desta dissertação é formalizar e testar parte da teoria atribucional de Weiner como um processo de tomada de decisão social. Isso foi feito ao se avaliar as hipóteses sobre as consequências e pressupostos no contexto de desculpas em dois estudos, usando tarefas de julgamento dicotômico sobre usabilidade e tarefas de julgamento de distâncias de adequação. O Estudo 1 foi conduzido para explicar por que as pessoas preferem desculpas externas ao invés de internas. Utilizando o escalonamento multidimensional Bayesiano, 63 participantes permitiram identificar que as desculpas externas e internas ocupam diferentes espaços psicológicos. Além disso, um modelo quântico de efeitos de ordem teve um bom ajuste aos dados, o que significa que a preferência de tipos de desculpas pode ser predita pelo princípio quântico da interferência. O Estudo 2 foi conduzido para caracterizar formalmente o processo de se desculpar como um processo de gerenciamento de impressões. Isto significa, e é congruente com a teoria atribucional, que a variável latente motivacional deve prever qual tipo de desculpa as pessoas preferem usar. As respostas de 92 estudantes de graduação foram modeladas através de um modelo Bayesiano de mistura latente. Os resultados mostraram que as pessoas realmente preferem desculpas externas, mas somente quando altamente motivadas para serem desculpadas. Os achados desta dissertação mostram que as pessoas diferenciam as desculpas de acordo com seu nível de adequação, medido em um espaço psicológico. Essa diferenciação é moderada pela motivação que se tem de gerenciar um relacionamento. Finalmente, o uso de uma desculpa pode ser afetado pelas possíveis consequências que são levadas em conta, e em que ordem elas são avaliadas. Pesquisas futuras precisam avaliar a possibilidade de generalização dessas inferências. Além disso, aspectos da teoria atribucional permanecem inexplorados a partir de uma perspectiva de psicologia matemática, os quais poderiam ajudar a esclarecer evidências ambíguas na literatura. Aplicações do uso de desculpas e tomada de decisão social são discutidos. / In line with an emerging paradigm, theorization in psychology should not be restricted to verbal descriptions of thought and behavior. If phenomena can be somehow expressed by numbers, theory must adopt mathematical and probabilistic reasoning, in a way that traditional data analysis cannot accomplish. While often implemented in theories of decision making, signal detection and item response, mathematical and probabilistic reasoning are rarely identified in important sociopsychological processes. Excuse giving occurs when someone tries to disengage one’s self from the cause of a social fault. It is an impression management strategy mostly explained by attributional theory, not yet subjected to a mathematical psychological approach. The main objective of this thesis was to formalize and test part of Weiner’s attributional theory as a social decision making process. By using dichotomous judgment tasks of usability and distance evaluation of adequacy, consequences and assumptions of excuse giving were assessed in two studies. Study 1 (n = 63) was aimed at explaining why people prefer external over internal excuses. Bayesian multidimensional scaling identified that external and internal excuses occupy different psychological spaces. Also, a quantum model of order effects fitted the data well, which means that the preference of excuse types could be predicted by the quantum principle of interference. Study 2 (n = 92) was conducted to formally characterize excuse giving as an impression management process. It is congruent with attributional theory, where motivational latent variables predict which excuse type people would rather use. A Bayesian latent mixture model showed that people indeed preferred external excuses, but only when highly motivated to be excused. The findings of this thesis make it possible to make better inferences about how people excuse themselves. As measured in a psychological space, people differentiate excuses given their level of adequacy, being the consequences of this differentiation moderated by the motivation one has to manage a relationship. Furthermore, using an excuse can be affected by taking into account its consequences and in which order they are evaluated. Further investigation should study if these inferences are generally valid. Some aspects of attributional theory remain unexplored from a mathematical psychology perspective, which could help clarify the often puzzling evidence in the literature. Applications of excuse giving and social decision making are discussed.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2017-08-09T16:59:56Z No. of bitstreams: 1 2017_LucianaMouraReinaldo.pdf: 2070623 bytes, checksum: 699f92bb8bd9d6292a427abe2ab42ee9 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-09-13T22:28:40Z (GMT) No. of bitstreams: 1 2017_LucianaMouraReinaldo.pdf: 2070623 bytes, checksum: 699f92bb8bd9d6292a427abe2ab42ee9 (MD5) / Made available in DSpace on 2017-09-13T22:28:40Z (GMT). No. of bitstreams: 1 2017_LucianaMouraReinaldo.pdf: 2070623 bytes, checksum: 699f92bb8bd9d6292a427abe2ab42ee9 (MD5) Previous issue date: 2017-09-13 / Estudos das mais diversas áreas de conhecimento utilizam várias metodologias de análises de dados quantitativos para verificar tendências e evoluções no comportamento de unidades de observação. Nesse sentido, a utilização de modelos que envolvam dados provenientes de várias unidades experimentais ao longo do tempo vem crescendo gradativamente na pesquisa científica. A metodologia de dados em painel permite a análise longitudinal de diversas unidades de observação em um único painel, possibilitando a identificação de padrões e a própria evolução das unidades de observação. Esse trabalho tem por objetivo sistematizar o conhecimento das estratégias de inferência relacionadas aos dados em painel, com o intuito de proporcionar uma linguagem clara e acessível àqueles que, embora não sendo econometristas, necessitam se apropriar dos métodos de análise dos dados em painel para aplicá-los na sua prática de pesquisa. Para facilitar a compreensão dos métodos, foram apresentados alguns exemplos implementados em um software gratuito, R, um ambiente de cálculos estatísticos, utilizando conjuntos de dados contidos nesse software e uma base de dados reais aplicando tanto a abordagem de inferência clássica quanto a abordagem de inferência bayesiana. / Studies of the most diverse areas of knowledge use several methodologies of quantitative data analysis to verify trends and evolutions in the behavior of observation units. In this sense, the use of models involving data from several experimental units over time has been growing gradually in scientific research. The panel data methodology allows the longitudinal analysis of several units of observation in a single panel, allowing the identification of patterns and the evolution of observation units themselves. This work aims to systematize the knowledge of inference strategies related to panel data, with the aim of providing a clear and accessible language to those who, although not being econometricians, need to appropriate the methods of panel data analysis to apply them in their research practice. To facilitate the comprehension of the method, we have presented some examples implemented in a free software, R, a environment for statistical computing, from datasets contained in this software and a real database using as much the classical approach as the bayesian inference approach.