Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/1861
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorSilva, Ivair Ramospt_BR
dc.contributor.authorAnjos, Natália da Conceição Figueiredo dos-
dc.date.accessioned2019-07-18T12:33:52Z-
dc.date.available2019-07-18T12:33:52Z-
dc.date.issued2019-
dc.identifier.citationANJOS, Natália da Conceição Figueiredo dos. Gasto ótimo da probabilidade do erro tipo I em processos estocásticos binomiais. 2019. 24 f. Monografia (Graduação em Estatística) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2019.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/1861-
dc.description.abstractA função gasto de alfa desempenha um papel importante na análise estatística sequencial, pois é utilizada para estabelecer, de antemão, a intensidade de como devemos utilizar a probabilidade do erro tipo I, ao longo dos múltiplos testes. A solução ótima para a função gasto de alfa pode ser obtida através de programação linear, ou seja, obtém-se uma solução factível que apresenta o melhor valor da função gasto de alfa por meio da programação linear. No entanto, apesar de ser exata, este tipo de manipulação matemática não é trivial e tem um custo computacional elevado. Por isso, uma questão em aberto é a identificação de possíveis funções analíticas que possam aproximar a função gasto ótimo de alfa de maneira satisfatória. Diante disso, este trabalho teve como objetivo identificar possíveis funções analíticas que possam obter tal aproximação da função gasto ótimo de alfa de maneira satisfatória. Assim sendo, os principais objetivos deste projeto foram: (i) fazer um levantamento bibliográfico sobre as tentativas recentes de se obter o procedimento para teste sequencial ótimo em processos binomiais; (ii) estudar as aplicações do teste sequencial em processos binomiais; (iii) implementar computacionalmente os resultados analíticos para avaliação numérica utilizando linguagem R; (iv) identificar as possíveis funções analíticas que possam aproximar a função gasto ótimo de alfa de maneira satisfatória. Todos os objetivos deste projeto foram alcançados, podendo-se evidenciar o principal destes que era obter uma expressão analítica que possibilite uma aproximação da função gasto ótimo de alfa de maneira simplificada e eficiente. Tal aproximação foi obtida de forma satisfatória utilizando a distribuição Gumbel.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsopen accesspt_BR
dc.subjectGasto de alfapt_BR
dc.subjectAnálise sequencialpt_BR
dc.titleGasto ótimo da probabilidade do erro tipo I em processos estocásticos binomiais.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereePereira, Tiago Martinspt_BR
dc.contributor.refereeBearzoti, Eduardopt_BR
dc.contributor.refereeSilva, Ivair Ramospt_BR
dc.description.abstractenThe alpha spending function plays an important role in sequential statistical analysis, because it is used to establish in advance the intensity of how we should use the probability of type I error over of multiples tests. The optimal solution for the alpha spending function can be obtained through linear programming, that is, a feasible solution is obtained that presents the best value of the alpha spending function through linear programming. However, while accurate, this type of mathematical manipulation is not trivial and has a high computational cost. Therefore, an open question is the identification of possible analytical functions that can approximate the optimal alpha spending function satisfactorily. Therefore, the objective of this work was to identify possible analytical functions that can obtain such an approximation of the optimal alpha spending function in a satisfactory way. Thus, the main objectives of this project were: (i) to make a bibliographical survey about the recent attempts to obtain the procedure for optimal sequential testing in binomial processes; (ii) studying the applications of the sequential test in binomial processes, (iii) computationally implementing the analytical results for numerical evaluation using language R; (iv) identify possible analytical functions that can approximate the optimal alpha spending function satisfactorily. However, all the objectives of this project were achieved, and it was possible to highlight the main one of these that was to obtain an analytical expression that allows an approximation of the alpha spending function in a simplified and efficient way, and such an approximation was obtained in a satisfactory way using the Gumbel distribution.pt_BR
Aparece nas coleções:Estatística

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_GastoÓtimoProbabilidade.pdf1,59 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons