Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018. / Submitted by Raquel Viana (raquelviana@bce.unb.br) on 2018-10-22T18:54:08Z
No. of bitstreams: 1
2018_EulerRodriguesdeAlencar.pdf: 1897089 bytes, checksum: 00e97683fd05c89e88601d4d6c12cabc (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2018-10-26T19:54:32Z (GMT) No. of bitstreams: 1
2018_EulerRodriguesdeAlencar.pdf: 1897089 bytes, checksum: 00e97683fd05c89e88601d4d6c12cabc (MD5) / Made available in DSpace on 2018-10-26T19:54:32Z (GMT). No. of bitstreams: 1
2018_EulerRodriguesdeAlencar.pdf: 1897089 bytes, checksum: 00e97683fd05c89e88601d4d6c12cabc (MD5)
Previous issue date: 2018-10-26 / 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. / 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.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/32914 |
Date | 25 May 2018 |
Creators | Alencar, Euler Rodrigues de |
Contributors | Guevara Otiniano, Cira Etheowalda |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB |
Rights | 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., info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds