How to fit models of recognition memory data using maximum likelihood

The aim of this paper is to provide an introductory tutorial to how to fit different models of recognition memory using maximum likelihood estimation. It is in four main parts. The first part describes how recognition memory data is collected and analysed. The second part introduces four current mod...

Full description

Autores:
Dunn, John C
Tipo de recurso:
Fecha de publicación:
2010
Institución:
Universidad de San Buenaventura
Repositorio:
Repositorio USB
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.usb.edu.co:10819/6542
Acceso en línea:
http://hdl.handle.net/10819/6542
Palabra clave:
Recognition memory
Maximum likelihood estimation
Signal detection theory
Mixture models
High threshold models
Memoria de reconocimiento
Estimación de máxima verosimilitud
Teoría de detección de señales
Modelos mixtos
Modelos de umbral alto
Memoria
Investigación cuantitativa
Estadística
Rights
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia
id SANBUENAV2_afe99e4c2a626bb544e2e45478832d49
oai_identifier_str oai:bibliotecadigital.usb.edu.co:10819/6542
network_acronym_str SANBUENAV2
network_name_str Repositorio USB
repository_id_str
dc.title.spa.fl_str_mv How to fit models of recognition memory data using maximum likelihood
dc.title.alternative.spa.fl_str_mv Cómo ajustar modelos de datos en experimentos sobre la memoria de reconcomiendo usando métodos de máxima verosimilitud.
title How to fit models of recognition memory data using maximum likelihood
spellingShingle How to fit models of recognition memory data using maximum likelihood
Recognition memory
Maximum likelihood estimation
Signal detection theory
Mixture models
High threshold models
Memoria de reconocimiento
Estimación de máxima verosimilitud
Teoría de detección de señales
Modelos mixtos
Modelos de umbral alto
Memoria
Investigación cuantitativa
Estadística
title_short How to fit models of recognition memory data using maximum likelihood
title_full How to fit models of recognition memory data using maximum likelihood
title_fullStr How to fit models of recognition memory data using maximum likelihood
title_full_unstemmed How to fit models of recognition memory data using maximum likelihood
title_sort How to fit models of recognition memory data using maximum likelihood
dc.creator.fl_str_mv Dunn, John C
dc.contributor.author.none.fl_str_mv Dunn, John C
dc.subject.spa.fl_str_mv Recognition memory
Maximum likelihood estimation
Signal detection theory
Mixture models
High threshold models
Memoria de reconocimiento
Estimación de máxima verosimilitud
Teoría de detección de señales
Modelos mixtos
Modelos de umbral alto
topic Recognition memory
Maximum likelihood estimation
Signal detection theory
Mixture models
High threshold models
Memoria de reconocimiento
Estimación de máxima verosimilitud
Teoría de detección de señales
Modelos mixtos
Modelos de umbral alto
Memoria
Investigación cuantitativa
Estadística
dc.subject.lemb.spa.fl_str_mv Memoria
Investigación cuantitativa
Estadística
description The aim of this paper is to provide an introductory tutorial to how to fit different models of recognition memory using maximum likelihood estimation. It is in four main parts. The first part describes how recognition memory data is collected and analysed. The second part introduces four current models that will be fitted to the data. The third part describes in detail how a model is fit using maximum likelihood estimation. The fourth part examines how the fit of a model can be evaluated and the appropriate statistical test applied.
publishDate 2010
dc.date.issued.none.fl_str_mv 2010
dc.date.accessioned.none.fl_str_mv 2018-11-15T16:03:29Z
dc.date.available.none.fl_str_mv 2018-11-15T16:03:29Z
dc.date.submitted.none.fl_str_mv 2018-11-14
dc.type.spa.fl_str_mv Artículo de revista
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.spa.spa.fl_str_mv Artículo
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/article
dc.identifier.citation.spa.fl_str_mv Dunn, J. C. (2010). How to fit models of recognition memory data using maximum likelihood. International Journal of Psychological Research, 3(1), 140–149. https://doi.org/10.21500/20112084.859
dc.identifier.issn.none.fl_str_mv 2011-7922
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10819/6542
identifier_str_mv Dunn, J. C. (2010). How to fit models of recognition memory data using maximum likelihood. International Journal of Psychological Research, 3(1), 140–149. https://doi.org/10.21500/20112084.859
2011-7922
url http://hdl.handle.net/10819/6542
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.uri.spa.fl_str_mv http://dx.doi.org/10.21500/20112084.859
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.cc.spa.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
http://purl.org/coar/access_right/c_abf2
dc.format.spa.fl_str_mv pdf
dc.format.extent.spa.fl_str_mv 10 páginas
dc.format.medium.spa.fl_str_mv Recurso en linea
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Editorial Bonaventuriana
dc.publisher.faculty.spa.fl_str_mv Psicología
dc.publisher.sede.spa.fl_str_mv Medellín
dc.source.spa.fl_str_mv International Journal Psychological Research
institution Universidad de San Buenaventura
dc.source.instname.spa.fl_str_mv Universidad de San Buenaventura - Medellín
dc.source.reponame.spa.fl_str_mv Biblioteca Digital Universidad de San Buenaventura
bitstream.url.fl_str_mv https://bibliotecadigital.usb.edu.co/bitstreams/e0309764-cdff-49b6-8220-7cf03cd8e177/download
https://bibliotecadigital.usb.edu.co/bitstreams/1d3afadb-af42-4e2c-9136-01df50e6786b/download
https://bibliotecadigital.usb.edu.co/bitstreams/642cdffd-a132-434a-b59e-9c01fe701eaf/download
https://bibliotecadigital.usb.edu.co/bitstreams/65c728b9-2d54-4a07-8279-4cf912d48243/download
bitstream.checksum.fl_str_mv 9589be244da43358b26bc659b9294f90
0c7b7184e7583ec671a5d9e43f0939c0
26d532acb69614f3cae2aa395ba6d549
6942bcb942547c3e2cddc441df32cf91
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de San Buenaventura Colombia
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1812932422597083136
spelling Comunidad Científica y AcadémicaDunn, John C1b484921-8cb4-4190-b4fd-abcec15d9b4e-12018-11-15T16:03:29Z2018-11-15T16:03:29Z20102018-11-14The aim of this paper is to provide an introductory tutorial to how to fit different models of recognition memory using maximum likelihood estimation. It is in four main parts. The first part describes how recognition memory data is collected and analysed. The second part introduces four current models that will be fitted to the data. The third part describes in detail how a model is fit using maximum likelihood estimation. The fourth part examines how the fit of a model can be evaluated and the appropriate statistical test applied.El propósito de este artículo es proveer un tutorial sobre cómo ajustar diferentes modelos de la memoria de reconocimiento usando estimación de máxima verosimilitud. El artículo presenta cuatro partes. Primero se describe cómo se analizan y obtienen datos en experimentos sobre la memoria de reconocimiento. En segundo lugar se presentan cuatro modelos recientes que serán ajustados a los datos. La tercera parte describe en detalle cómo se ajusta un modelo usando el procedimiento de estimación de máxima verosimilitud. Por último se examina cómo el modelo ajustado pueden ser evaluado y qué pruebas estadísticas pueden aplicarse para ello.pdf10 páginasRecurso en lineaapplication/pdfDunn, J. C. (2010). How to fit models of recognition memory data using maximum likelihood. International Journal of Psychological Research, 3(1), 140–149. https://doi.org/10.21500/20112084.8592011-7922http://hdl.handle.net/10819/6542spaEditorial BonaventurianaPsicologíaMedellínhttp://dx.doi.org/10.21500/20112084.859Atribución-NoComercial-SinDerivadas 2.5 ColombiaPor medio de este formato manifiesto mi voluntad de AUTORIZAR a la Universidad de San Buenaventura, Sede Bogotá, Seccionales Medellín, Cali y Cartagena, la difusión en texto completo de manera gratuita y por tiempo indefinido en la Biblioteca Digital Universidad de San Buenaventura, el documento académico-investigativo objeto de la presente autorización, con fines estrictamente educativos, científicos y culturales, en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión Andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre derechos de autor. Como autor manifiesto que el presente documento académico-investigativo es original y se realiza sin violar o usurpar derechos de autor de terceros, por lo tanto, la obra es de mi exclusiva autora y poseo la titularidad sobre la misma. La Universidad de San Buenaventura no será responsable de ninguna utilización indebida del documento por parte de terceros y será exclusivamente mi responsabilidad atender personalmente cualquier reclamación que pueda presentarse a la Universidad. Autorizo a la Biblioteca Digital de la Universidad de San Buenaventura convertir el documento al formato que el repositorio lo requiera (impreso, digital, electrónico o cualquier otro conocido o por conocer) o con fines de preservación digital. Esta autorización no implica renuncia a la facultad que tengo de publicar posteriormente la obra, en forma total o parcial, por lo cual podrá, dando aviso por escrito con no menos de un mes de antelación, solicitar que el documento deje de estar disponible para el público en la Biblioteca Digital de la Universidad de San Buenaventura, así mismo, cuando se requiera por razones legales y/o reglas del editor de una revista.http://creativecommons.org/licenses/by-nc-nd/2.5/co/http://purl.org/coar/access_right/c_abf2International Journal Psychological ResearchUniversidad de San Buenaventura - MedellínBiblioteca Digital Universidad de San BuenaventuraRecognition memoryMaximum likelihood estimationSignal detection theoryMixture modelsHigh threshold modelsMemoria de reconocimientoEstimación de máxima verosimilitudTeoría de detección de señalesModelos mixtosModelos de umbral altoMemoriaInvestigación cuantitativaEstadísticaHow to fit models of recognition memory data using maximum likelihoodCómo ajustar modelos de datos en experimentos sobre la memoria de reconcomiendo usando métodos de máxima verosimilitud.Artículo de revistaArtículoinfo:eu-repo/semantics/articlehttp://purl.org/coar/resource_type/c_2df8fbb1PublicationORIGINALModels_Recognition_Memory_Dunn_2010.pdfModels_Recognition_Memory_Dunn_2010.pdfapplication/pdf705984https://bibliotecadigital.usb.edu.co/bitstreams/e0309764-cdff-49b6-8220-7cf03cd8e177/download9589be244da43358b26bc659b9294f90MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82071https://bibliotecadigital.usb.edu.co/bitstreams/1d3afadb-af42-4e2c-9136-01df50e6786b/download0c7b7184e7583ec671a5d9e43f0939c0MD52TEXTModels_Recognition_Memory_Dunn_2010.pdf.txtModels_Recognition_Memory_Dunn_2010.pdf.txtExtracted texttext/plain40933https://bibliotecadigital.usb.edu.co/bitstreams/642cdffd-a132-434a-b59e-9c01fe701eaf/download26d532acb69614f3cae2aa395ba6d549MD53THUMBNAILModels_Recognition_Memory_Dunn_2010.pdf.jpgModels_Recognition_Memory_Dunn_2010.pdf.jpgGenerated Thumbnailimage/jpeg12842https://bibliotecadigital.usb.edu.co/bitstreams/65c728b9-2d54-4a07-8279-4cf912d48243/download6942bcb942547c3e2cddc441df32cf91MD5410819/6542oai:bibliotecadigital.usb.edu.co:10819/65422023-04-12 16:39:36.023http://creativecommons.org/licenses/by-nc-nd/2.5/co/https://bibliotecadigital.usb.edu.coRepositorio Institucional Universidad de San Buenaventura Colombiabdigital@metabiblioteca.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

Publicaciones similares