Return to search

Misturas finitas de normais assimétricas e de t assimétricas aplicadas em análise discriminante

Submitted by Kamila Costa (kamilavasconceloscosta@gmail.com) on 2015-06-18T20:16:38Z
No. of bitstreams: 1
Dissertação-Carina Figueiredo Coelho.pdf: 3096964 bytes, checksum: 57c06ccd1fdc732a7cf9a50381d3806b (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-06T15:29:34Z (GMT) No. of bitstreams: 1
Dissertação-Carina Figueiredo Coelho.pdf: 3096964 bytes, checksum: 57c06ccd1fdc732a7cf9a50381d3806b (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-06T15:27:26Z (GMT) No. of bitstreams: 1
Dissertação-Carina Figueiredo Coelho.pdf: 3096964 bytes, checksum: 57c06ccd1fdc732a7cf9a50381d3806b (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-06T15:33:36Z (GMT) No. of bitstreams: 1
Dissertação-Carina Figueiredo Coelho.pdf: 3096964 bytes, checksum: 57c06ccd1fdc732a7cf9a50381d3806b (MD5) / Made available in DSpace on 2015-07-06T15:33:36Z (GMT). No. of bitstreams: 1
Dissertação-Carina Figueiredo Coelho.pdf: 3096964 bytes, checksum: 57c06ccd1fdc732a7cf9a50381d3806b (MD5)
Previous issue date: 2013-06-28 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / We investigated use of finite mixture models with skew normal independent distributions
to model the conditional distributions in discriminat analysis, particularly the skew
normal and skew t. To evaluate this model, we developed a simulation study and applications
with real data sets, analyzing error rates associated with the classifiers obtained with
these mixture models. Problems were simulated with different structures and separations
for the classes distributions employing different training set sizes. The results of the study
suggest that the models evaluated are able to adjust to different problems studied, from
the simplest to the most complex in terms of modeling the observations for classification
purposes. With real data, where then shapes distributions of the class is unknown, the
models showed reasonable error rates when compared to other classifiers. As a limitation
for the analized sets of data was observed that modeling by finite mixtures requires large
samples per class when the dimension of the feature vector is relatively high. / Investigamos o emprego de misturas finitas de densidades na família normal assimétrica
independente, em particular a normal assimétrica e a t assimétrica, para modelar as
distribuições condicionais do vetor de características em Análise Discriminante (AD). O
objetivo é obter modelos capazes de modelar dados com estruturas mais complexas onde,
por exemplo, temos assimetria e multimodalidade, o quemuitas vezes ocorrem em problemas
reais de AD. Para avaliar esta modelagem, desenvolvemos um estudo de simulação
e aplicações em dados reais, analisando a taxa de erro (TE) associadas aos classificadores
obtidos com estes modelos de misturas. Foram simulados problemas com diferentes
estruturas, relativas à separação e distribuição das classes e o tamanho do conjunto de
treinamento. Os resultados do estudo sugerem que os modelos avaliados são capazes de
se ajustar aos diferentes problemas estudados, desde os mais simples aos mais complexos,
em termos de modelagem das observações para fins de classificação. Com os dados
reais, situações onde desconhecemos as formas das distribuições nas classes, os modelos
apresentaram TE’s razoáveis quando comparados a outros classificadores. Como uma
limitação, para os conjuntos de dados analisados, foi observado que a modelagem por
misturas finitas necessita de amostras grandes por classe em situações onde a dimensão
do vetor de características é relativamente alta.

Identiferoai:union.ndltd.org:IBICT/oai:http://localhost:tede/4244
Date28 June 2013
CreatorsCoelho, Carina Figueiredo
ContributorsPereira, José Raimundo Gomes, Pereira, José Raimundo Gomes, Cabral, Celso Rômulo Barbosa, Prates, Marcos Oliveira
PublisherUniversidade Federal do Amazonas, Programa de Pós-graduação em Matemática, UFAM, Brasil, Instituto de Ciências Exatas
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFAM, instname:Universidade Federal do Amazonas, instacron:UFAM
Rightsinfo:eu-repo/semantics/openAccess
Relation-7807118400798055458, 600

Page generated in 0.0029 seconds