Thesis (Ph. D.)--Virginia Polytechnic Institute and State University, 1990. / Vita. Abstract. Includes bibliographical references (leaves 203-211). Also available via the Internet.

Thesis (M. S.)--Industrial and Systems Engineering, Georgia Institute of Technology, 2008. / Committee Chair: Anton Kleywegt; Committee Co-Chair: Alexander Shapiro; Committee Member: Charles Rosa; Committee Member: Shabbir Ahmed; Committee Member: Sigrun Andradottir.

Thesis (Ph. D.)--Industrial and Systems Engineering, Georgia Institute of Technology, 2008. / Esogbue, Augustine, Committee Chair ; Griffin, Paul, Committee Member ; Lu, Jye-Chyi (JC), Committee Member ; Li, MinQiang, Committee Member ; McCarthy, Patrick, Committee Member.

Thesis (Ph. D.)--University of Texas at Austin, 2004. / Supervisor: Chandra R. Bhat. Vita. Includes bibliographical references.

En el capítulo I se desarrolló el Modelo de Análisis Multinivel. Los Modelos Multinivel constituyen una propuesta realista del análisis de los datos, debido a que los diseños muestrales que se emplean actualmente son complejos. En el capítulo II se desarrolló el Modelo LOGIT. La regresión Logit utiliza una función de distribución acumulativa (FDA) de tipo logístico. La regresión logística se basa en la suposición de que la variable dependiente categórica refleja una variable subyacente cualitativa (éxito, fracaso) y deduce la función de enlace a partir de la distribución binomial. En el capítulo III se desarrolló el Modelo PROBIT, Para la regresión Probit se utiliza una FDA de distribución normal, (modelo Probit en muchas ocasiones se le llame también "Modelo Normit"). La regresión Probit asume que la variable dependiente categórica refleja una distribución subyacente cuantitativa la cual ha sido recategorizada de modo que se convierte en una variable binaria y deduce la función de enlace de la distribución normal estándar acumulada. En el capítulo IV se presenta los resultados del Modelo de Análisis Multinivel, con la Función de enlace Probit, (Probit Multinivel) y la Función de enlace Logit (Logit Multinivel) con ayuda del software LISREL. Además se plantean de manera formal los modelos para cada caso y se obtienen la razón de verosimilitud, entre otros indicadores. Por otro lado se obtiene el estadístico de Wald, y tablas de probabilidad para cada uno de los modelos, calculados en el desarrollo de la presente tesis. Para el análisis se empleó la Base de Datos del Programa Internacional para la Evaluación de Estudiantes (PISA) del año 2009.

The effects of random guessing as a measurement disturbance on Rasch fit statistics (unweighted total, weighted total, and unweighted ability between) and the Logit Residual Index (LRI) were examined through simulated data sets of varying sample sizes, test lengths, and distribution types. Three test lengths (25, 50, and 100), three sample sizes (25, 50, and 100), two item difficulty distributions (normal and uniform), and three levels of guessing (no guessing (0%), 25%, and 50%) were used in the simulations, resulting in 54 experimental conditions. The mean logit person ability for each experiment was +1. Each experimental condition was simulated once in an effort to approximate what could happen on the single administration of a four option per item multiple choice test to a group of relatively high ability persons. Previous research has shown that varying item and person parameters have no effect on Rasch fit statistics. Consequently, these parameters were used in the present study to establish realistic test conditions, but were not interpreted as effect factors in determining the results of this study.

Not available / text

Thesis (Ph.D.)--Auburn University, 2006. / Abstract. Vita.

Tesis-Universidad de Valladolid (inédita). / Incluye referencias bibliográficas e índices.

Thesis (Ph. D.)--University of Washington, 2006. / Vita. Includes bibliographical references (leaves 87-96).