LIAAD - Indexed Articles in Conferences

Permanent URI for this collection

http://localhost:4000/handle/123456789/195

Browse

Browsing LIAAD - Indexed Articles in Conferences by Author "Adelaide Figueiredo"
  • Item
    Anáiise de Variância Dual
    ( 2011) Adelaide Figueiredo
    Consideremos a abordagem dual da abordagem clássica de estatística multivariada em que os indivíduos estão fixos e as variáveis são escolhidas aleatoriamente de uma população de variáveis. Supomos k grupos de variáveis centradas e reduzidas e associamos a cada grupo uma distribuição de Watson. Para vermos se estes grupos são distintos testamos se as direções privilegiadas das distribuições de Watson diferem significativamente usando a análise de variância dual. Analisamos a potência deste teste para dois grupos e diferentes dimensões de esfera. Pretendemos aplicar esta abordagem a dados reais.
  • Item
    Classificação de variáveis definidas na hiperesfera através de um modelo de mistura
    ( 2012) Paulo Gomes ; Adelaide Figueiredo
    Neste trabalho efectuamos a identificação de uma mistura de distribuições de Watson definidas na hiperesfera recorrendo a um algoritmo do tipo nuvens dinâmicas e ao algoritmo EM (Estimação-Maximização). A identificação da mistura permite-nos obter além das estimativas dos parâmetros da mistura, grupos homogéneos de variáveis representadas por pontos da superfície da hiperesfera de raio unitário, tais que a cada um dos grupos está associada uma direção privilegiada, cuja estimativa de máxima verosimilhança corresponde à primeira componente principal do grupo e está associado um parâmetro que mede a concentração em torno da direção privilegiada. Pretendemos comparar os dois algoritmos usados na identificação da mistura analisando conjuntos de dados simulados e reais.
  • Item
    Clustering of variables defined on the hypersphere: a comparison of methods
    ( 2012) Paulo Gomes ; Adelaide Figueiredo
    We discuss the identi cation of a mixture of Watson distributions de ned on the hypersphere using the dynamic clusters algorithm and the EM algorithm (Estimation-Maximization). The identi cation of the mixture allows us to obtain homogeneous groups of variables, such that each group is associated with a privileged direction, whose maximum likelihood estimate corresponds to the rst principal component of the group and is associated with a parameter that measures the concentration around the privileged direction. Our aim is to compare the two algorithms used in the identi cation of the mixture by analyzing simulated and real data.
  • Item
    Comparison of methods for clustering of variables defined on the hypersphere.
    ( 2012) Adelaide Figueiredo
    Methods of clustering of variables based on the identification of a mixture of Watson distributions defined on the hypersphere are considered. For the identification of this mixture, the following iterative methods: the Dynamic Clusters Method, the EM (Estimation-Maximisation) Algorithm and the Principal Cluster Component Analysis, are discussed and are compared using simulated and real data. The performance of the methods is compared for the same initial solution, by evaluating the final solutions obtained in these methods through the calculation of a between-groups variability measure and a within-groups variability measure.
  • Item
    Comparison of Sampling Plans by Variables using the Bootstrap and Monte Carlo Simulations
    ( 2014) Figueiredo,F ; Adelaide Figueiredo ; Gomes,MI
    We consider two sampling plans by variables to inspect batches of products from an industrial process under a context of unknown distribution underlying the measurements of the quality characteristic under study. Through the use of the bootstrap methodology and Monte Carlo simulations we evaluate and compare the performance of those sampling plans in terms of probability of acceptance of lots and average outgoing quality level.
  • Item
    Selection of variables defined on the hypersphere
    ( 2012) Paulo Gomes ; Adelaide Figueiredo
    We discuss the identification of a mixture of Watson distributions defined on the hypersphere using the dynamic clusters algorithm and the EM algo- rithm (Estimation-Maximization). The identification of this mixture allows us to obtain homogeneous groups of variables and provides an useful contri- bution to the selection of variables. Then, we compare these algorithms by a simulation study and with real data.