xmlui.metadata.dc.contributor.advisor | Paula, Alan Prata de | |
xmlui.metadata.dc.contributor.author | Bogoni, Mariella Ananias | |
xmlui.metadata.dc.date.accessioned | 2021-07-29T14:51:20Z | |
xmlui.metadata.dc.date.available | 2021-07-29T14:51:20Z | |
xmlui.metadata.dc.date.issued | 2019 | |
xmlui.metadata.dc.identifier.citation | BOGONI, Mariella Ananias. O teorema de Rao-Cramér para estimadores de máxima verossimilhança. 2019. 52f. Trabalho de Conclusão de Curso (Graduação em Matemática) - Instituto de Ciências Exatas, Universidade Federal Fluminense, Volta Redonda, 2019. | pt_BR |
xmlui.metadata.dc.identifier.uri | https://app.uff.br/riuff/handle/1/22768 | |
xmlui.metadata.dc.description.abstract | Em muitos problemas de inferência busca-se encontrar métodos para a estimação de parâmetros desconhecidos. Dentre os métodos existentes para estimação, o Método de Máxima Verossimilhança se mostra eficaz, pois produz estimadores com ótimas propriedades. Neste trabalho apresentaremos o Método de Máxima Verossimilhança e as principais propriedades dos estimadores obtidos, dentre elas: consistência, eficiência, caracterizada pelo Limite Inferior de Rao-Cramér, e distribuição assintótica. A partir da distribuição assintótica destes estimadores, abordaremos os procedimentos de inferência utilizados no contexto da máxima verossimilhança, fornecendo ao leitor uma aplicação prática do método em Regressão Logística. Com o método, obtemos uma maneira simples e satisfatória de encontrar estimadores para a resolução de problemas paramétricos. Tal solução é apropriada e vantajosa do ponto de vista matemático e estatístico. | pt_BR |
xmlui.metadata.dc.language.iso | pt_BR | pt_BR |
xmlui.metadata.dc.rights | Open Access | pt_BR |
xmlui.metadata.dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
xmlui.metadata.dc.title | O teorema de Rao-Cramér para estimadores de máxima verossimilhança | pt_BR |
xmlui.metadata.dc.type | Trabalho de conclusão de curso | pt_BR |
xmlui.metadata.dc.subject.keyword | Máxima verossimilhança | pt_BR |
xmlui.metadata.dc.subject.keyword | Estimadores | pt_BR |
xmlui.metadata.dc.subject.keyword | Regressão logística | pt_BR |
xmlui.metadata.dc.contributor.members | Egea, Leandro Gines | |
xmlui.metadata.dc.contributor.members | Dias, Marina Ribeiro Barros | |
xmlui.metadata.dc.degree.level | Graduação | pt_BR |
xmlui.metadata.dc.subject.descriptor | Teorema | pt_BR |
xmlui.metadata.dc.subject.descriptor | Variável aleatória | pt_BR |
xmlui.metadata.dc.subject.keywordother | Maximum likelihood | en |
xmlui.metadata.dc.subject.keywordother | Estimators | en |
xmlui.metadata.dc.subject.keywordother | Logístic regression | en |
xmlui.metadata.dc.description.abstractother | In many inference problems, the goal is to find methods to estimate unknown parameters. Among the existing methods for estimation, the Maximum Likelihood Method is effective because it produces estimators with great properties. In this work, we present the Maximum Likelihood Method and the main properties of the estimators obtained, among them: consistency, efficiency, characterized by Rao-Cramér Lower Bound, and asymptotic distribution. From asymptotic distribution of that estimators, we will approach the inference procedures used in the context of maximumm likelihood, providing the reader a practical aplication of the method in Logistic Regression. With this method, we have a simple and satisfactory way to find estimators for the resolution of parametric problems. Such a solution is appropriate and advantageous from mathematical and statistical point of view. | en |
xmlui.metadata.dc.degree.grantor | Universidade Federal Fluminense | pt_BR |
xmlui.metadata.dc.contributor.advisorco | Freitas, Marina Sequeiros Dias de | |
xmlui.metadata.dc.degree.department | Instituto de Ciências Exatas | pt_BR |
xmlui.metadata.dc.degree.date | 2019 | |
xmlui.metadata.dc.degree.local | Volta Redonda, RJ | pt_BR |
xmlui.metadata.dc.degree.curso | Bacharelado em Matemática | pt_BR |
xmlui.metadata.dc.rights.license | CC-BY-SA | pt_BR |
Files in this item
The following license files are associated with this item: