dc.contributorFlávio Bambirra Gonçalves
dc.contributorhttp://lattes.cnpq.br/2015101359463631
dc.contributorDalton Francisco de Andrade
dc.contributorDani Gamerman
dc.contributorRosangela Helena Loschi
dc.contributorThais Cristina Oliveira da Fonseca
dc.contributorRoberto da Costa Quinino
dc.creatorJuliane Venturelli Silva Lima
dc.date.accessioned2020-01-21T16:02:01Z
dc.date.accessioned2022-10-03T23:16:49Z
dc.date.available2020-01-21T16:02:01Z
dc.date.available2022-10-03T23:16:49Z
dc.date.created2020-01-21T16:02:01Z
dc.date.issued2019-05-17
dc.identifierhttp://hdl.handle.net/1843/32090
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3819934
dc.description.abstractMuitas variáveis latentes podem ser vistas como tendo uma estrutura hierárquica e alguns modelos foram propostos para acomodar tais estruturas. Motivado pelas limitações das abordagens existentes na literatura e pela importância do tema, este trabalho tem como objetivo propor uma metodologia aprimorada em termos de modelagem e inferência. Do ponto de vista de modelagem, a metodologia proposta permite itens genuinamente multidimensionais, não tendo sido feito por trabalhos passados, com uma estrutura hierárquica para os traços latentes, na qual todos estão na mesma escala. São abordados aspectos computacionais, como amostragem em conjunto de todas as características latentes, e planejado cuidadosamente um algoritmo MCMC eficiente. Além disso, algumas propriedades do modelo são provadas.
dc.publisherUniversidade Federal de Minas Gerais
dc.publisherBrasil
dc.publisherICX - DEPARTAMENTO DE ESTATÍSTICA
dc.publisherPrograma de Pós-Graduação em Estatística
dc.publisherUFMG
dc.rightsAcesso Aberto
dc.subjectIRT
dc.subjectBayesian
dc.subjectMultidimensional
dc.subjectHierarchical
dc.titleMultidimensional IRT models for hierarchical latent structures
dc.typeTese


Este ítem pertenece a la siguiente institución