Exemplo Falhas em Tecidos
|
|
- Giuliana Pedroso Borges
- 7 Há anos
- Visualizações:
Transcrição
1 Exemplo Falhas em Tecidos Gilberto A. Paula Departamento de Estatística IME-USP, Brasil 2 o Semestre 2016 G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
2 Rolos de Tecido Sumário 1 Rolos de Tecido 2 Análise de Dados Preliminar 3 Ajuste Modelo Poisson 4 Resultados Modelo de Poisson 5 Ajuste Modelo Binomial Negativo 6 Resultados Modelo Binomial Negativo 7 Conclusões 8 Referências G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
3 Rolos de Tecido Rolos de Tecido Descrição dos Dados Como ilustração no tópico sobredispersão para dados de contagem vamos considerar os dados referentes à produção de peças de tecido numa determinada fábrica (Hinde, 1982). O objetivo principal do estudo é tentar explicar a resposta média do G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
4 Rolos de Tecido Rolos de Tecido Descrição dos Dados Como ilustração no tópico sobredispersão para dados de contagem vamos considerar os dados referentes à produção de peças de tecido numa determinada fábrica (Hinde, 1982). O objetivo principal do estudo é tentar explicar a resposta média do número de falhas G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
5 Rolos de Tecido Rolos de Tecido Descrição dos Dados Como ilustração no tópico sobredispersão para dados de contagem vamos considerar os dados referentes à produção de peças de tecido numa determinada fábrica (Hinde, 1982). O objetivo principal do estudo é tentar explicar a resposta média do número de falhas pelo comprimento da peça de tecido (em metros). G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
6 Análise de Dados Preliminar Sumário 1 Rolos de Tecido 2 Análise de Dados Preliminar 3 Ajuste Modelo Poisson 4 Resultados Modelo de Poisson 5 Ajuste Modelo Binomial Negativo 6 Resultados Modelo Binomial Negativo 7 Conclusões 8 Referências G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
7 Análise de Dados Preliminar Boxplot Comprimento do Rolo Comprimento do Rolo G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
8 Análise de Dados Preliminar Boxplot Número de Falhas Número de Falhas G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
9 Análise de Dados Preliminar Diagrama de Dispersão Número de Falhas Comprimento do Rolo G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
10 Ajuste Modelo Poisson Sumário 1 Rolos de Tecido 2 Análise de Dados Preliminar 3 Ajuste Modelo Poisson 4 Resultados Modelo de Poisson 5 Ajuste Modelo Binomial Negativo 6 Resultados Modelo Binomial Negativo 7 Conclusões 8 Referências G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
11 Ajuste Modelo Poisson Modelo Poisson Descrição Seja y i o número de falhas para i-ésimo rolo de tecido. Vamos supor inicialmente o seguinte modelo: G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
12 Ajuste Modelo Poisson Modelo Poisson Descrição Seja y i o número de falhas para i-ésimo rolo de tecido. Vamos supor inicialmente o seguinte modelo: y i ind P(µ i ), G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
13 Ajuste Modelo Poisson Modelo Poisson Descrição Seja y i o número de falhas para i-ésimo rolo de tecido. Vamos supor inicialmente o seguinte modelo: y i ind P(µ i ), log(µ i ) = α+β comprimento i, G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
14 Ajuste Modelo Poisson Modelo Poisson Descrição Seja y i o número de falhas para i-ésimo rolo de tecido. Vamos supor inicialmente o seguinte modelo: y i ind P(µ i ), log(µ i ) = α+β comprimento i, para i = 1,...,32. G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
15 Resultados Modelo de Poisson Sumário 1 Rolos de Tecido 2 Análise de Dados Preliminar 3 Ajuste Modelo Poisson 4 Resultados Modelo de Poisson 5 Ajuste Modelo Binomial Negativo 6 Resultados Modelo Binomial Negativo 7 Conclusões 8 Referências G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
16 Resultados Modelo de Poisson Estimativas Descrição Parâmetro Estimativa E/E.Padrão α 0, ,57 β 0, ,30 G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
17 Resultados Modelo de Poisson Estimativas Descrição Parâmetro Estimativa E/E.Padrão α 0, ,57 β 0, ,30 Desvio O desvio do modelo é dado por D (y; ˆµ) = 61, 76 (30 g.l.) com nível descritivo dado por P=0,00 (rejeitamos o modelo). G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
18 Resultados Modelo de Poisson Resíduos Modelo de Poisson Componente do Desvio Percentil da N(0,1) G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
19 Ajuste Modelo Binomial Negativo Sumário 1 Rolos de Tecido 2 Análise de Dados Preliminar 3 Ajuste Modelo Poisson 4 Resultados Modelo de Poisson 5 Ajuste Modelo Binomial Negativo 6 Resultados Modelo Binomial Negativo 7 Conclusões 8 Referências G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
20 Ajuste Modelo Binomial Negativo Modelo Binomial Negativo Descrição Seja y i o número de falhas para i-ésimo rolo de tecido. Vamos supor agora o seguinte modelo: G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
21 Ajuste Modelo Binomial Negativo Modelo Binomial Negativo Descrição Seja y i o número de falhas para i-ésimo rolo de tecido. Vamos supor agora o seguinte modelo: y i ind BN(µ i,ν), G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
22 Ajuste Modelo Binomial Negativo Modelo Binomial Negativo Descrição Seja y i o número de falhas para i-ésimo rolo de tecido. Vamos supor agora o seguinte modelo: y i ind BN(µ i,ν), log(µ i ) = α+β comprimento i, G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
23 Ajuste Modelo Binomial Negativo Modelo Binomial Negativo Descrição Seja y i o número de falhas para i-ésimo rolo de tecido. Vamos supor agora o seguinte modelo: y i ind BN(µ i,ν), log(µ i ) = α+β comprimento i, para i = 1,...,32. G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
24 Resultados Modelo Binomial Negativo Sumário 1 Rolos de Tecido 2 Análise de Dados Preliminar 3 Ajuste Modelo Poisson 4 Resultados Modelo de Poisson 5 Ajuste Modelo Binomial Negativo 6 Resultados Modelo Binomial Negativo 7 Conclusões 8 Referências G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
25 Resultados Modelo Binomial Negativo Estimativas Descrição Parâmetro Estimativa E/E.Padrão α 1, ,60 β 0, ,47 ν 9,57 1,96 G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
26 Resultados Modelo Binomial Negativo Estimativas Descrição Parâmetro Estimativa E/E.Padrão α 1, ,60 β 0, ,47 ν 9,57 1,96 Desvio O desvio do modelo é dado por D (y; ˆµ) = 31, 31 (30 g.l.) com nível descritivo dado por P=0,40 (não rejeitamos o modelo). G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
27 Resultados Modelo Binomial Negativo Resíduos Modelo Binomial Negativo Componente do Desvio Percentil da N(0,1) G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
28 Resultados Modelo Binomial Negativo Influência Modelo Binomial Negativo Distância de Cook Índice G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
29 Resultados Modelo Binomial Negativo Ligação Modelo Binomial Negativo Variável z Preditor Linear G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
30 Resultados Modelo Binomial Negativo Pontos Discrepantes Sem observação #20 Parâmetro Estimativa E/E.Padrão Variação α 0, ,77-22,06% β 0, ,20 14,89% ν 12,73 1,71 33,02% G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
31 Resultados Modelo Binomial Negativo Pontos Discrepantes Sem observação #20 Parâmetro Estimativa E/E.Padrão Variação α 0, ,77-22,06% β 0, ,20 14,89% ν 12,73 1,71 33,02% Sem observação #25 Parâmetro Estimativa E/E.Padrão Variação α 1, ,26 13,69% β 0, ,87-15,42% ν 12,89 1,55 34,69% G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
32 Resultados Modelo Binomial Negativo Identificação Pontos Influentes 25 Número de Falhas Comprimento do Rolo G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
33 Resultados Modelo Binomial Negativo Interpretações Interpretações Portanto, pelo modelo ajustado o número esperado de falhas, dado o comprimento (x), fica dado por G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
34 Resultados Modelo Binomial Negativo Interpretações Interpretações Portanto, pelo modelo ajustado o número esperado de falhas, dado o comprimento (x), fica dado por ˆµ(x) = exp(1, , x). G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
35 Resultados Modelo Binomial Negativo Interpretações Interpretações Portanto, pelo modelo ajustado o número esperado de falhas, dado o comprimento (x), fica dado por ˆµ(x) = exp(1, , x). Assim, havendo uma varição no comprimento em 20 metros o aumento esperado para o número de falhas fica dado por G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
36 Resultados Modelo Binomial Negativo Interpretações Interpretações Portanto, pelo modelo ajustado o número esperado de falhas, dado o comprimento (x), fica dado por ˆµ(x) = exp(1, , x). Assim, havendo uma varição no comprimento em 20 metros o aumento esperado para o número de falhas fica dado por ˆµ(x + 20) ˆµ(x) = exp(0, ) = 1, 038 (3, 8%). G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
37 Resultados Modelo Binomial Negativo Modelo Ajustado Binomial Negativo Número de Falhas Comprimento do Rolo G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
38 Conclusões Sumário 1 Rolos de Tecido 2 Análise de Dados Preliminar 3 Ajuste Modelo Poisson 4 Resultados Modelo de Poisson 5 Ajuste Modelo Binomial Negativo 6 Resultados Modelo Binomial Negativo 7 Conclusões 8 Referências G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
39 Conclusões Conclusões Considerações Finais G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
40 Conclusões Conclusões Considerações Finais O modelo com resposta binomial negativa se ajusta melhor aos dados do que o modelo com resposta Poisson, controlando a sobredispersão. G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
41 Conclusões Conclusões Considerações Finais O modelo com resposta binomial negativa se ajusta melhor aos dados do que o modelo com resposta Poisson, controlando a sobredispersão. Não há indícios de que a ligação logarítmica seja inadequada no modelo binomial negativo. G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
42 Conclusões Conclusões Considerações Finais O modelo com resposta binomial negativa se ajusta melhor aos dados do que o modelo com resposta Poisson, controlando a sobredispersão. Não há indícios de que a ligação logarítmica seja inadequada no modelo binomial negativo. A eliminação da observação #20 no modelo binomial negativo aumenta o valor da estimativa de β em aproximadamente 15% e aumenta o z-valor. G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
43 Conclusões Conclusões Considerações Finais O modelo com resposta binomial negativa se ajusta melhor aos dados do que o modelo com resposta Poisson, controlando a sobredispersão. Não há indícios de que a ligação logarítmica seja inadequada no modelo binomial negativo. A eliminação da observação #20 no modelo binomial negativo aumenta o valor da estimativa de β em aproximadamente 15% e aumenta o z-valor. A retirada da observação #25 diminui o valor da estimativa de β em aproximadamente 15% e diminui o z-valor. G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
44 Conclusões Conclusões Considerações Finais O modelo com resposta binomial negativa se ajusta melhor aos dados do que o modelo com resposta Poisson, controlando a sobredispersão. Não há indícios de que a ligação logarítmica seja inadequada no modelo binomial negativo. A eliminação da observação #20 no modelo binomial negativo aumenta o valor da estimativa de β em aproximadamente 15% e aumenta o z-valor. A retirada da observação #25 diminui o valor da estimativa de β em aproximadamente 15% e diminui o z-valor. Em ambos os casos não há mudança inferencial. G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
45 Referências Sumário 1 Rolos de Tecido 2 Análise de Dados Preliminar 3 Ajuste Modelo Poisson 4 Resultados Modelo de Poisson 5 Ajuste Modelo Binomial Negativo 6 Resultados Modelo Binomial Negativo 7 Conclusões 8 Referências G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
46 Referências Referências Referência G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
47 Referências Referências Referência Hinde, J. (1982). Compoud poisson regression models. In R. Gilchrist Ed., GLIM82, pgs Springer, New York. G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre / 27
Exemplo Número de Clientes da Loja
Exemplo Número de Clientes da Loja Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre 2015 1 / 24 Clientes
Leia maisExemplo Ausências Escolares
Exemplo Ausências Escolares Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Ausências Escolares 2 o Semestre 2015 1 / 24 Ausências
Leia maisExemplo Infecções de Ouvido
Exemplo Infecções de Ouvido Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Infecções de Ouvido 2 o Semestre 2016 1 / 27 Infecções
Leia maisExemplo Preferência de Automóveis
Exemplo Preferência de Automóveis Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre 2016 1 /
Leia maisExemplos Regressão Dados de Contagem
Exemplos Regressão Dados de Contagem p. 1/26 Exemplos Regressão Dados de Contagem Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre de 2011 Exemplos
Leia maisFaturamento de Restaurantes
Faturamento de Restaurantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Faturamento de Restaurantes 2 o Semestre 2016 1 / 29
Leia maisExemplo Vida Útil de Ferramentas
Exemplo Vida Útil de Ferramentas Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Vida útil de Ferramentas 2 o Semestre 2016 1 /
Leia maisExemplos Modelos de Quase-Verossimilhança
Exemplos Modelos de Quase-Verossimilhança p. 1/40 Exemplos Modelos de Quase-Verossimilhança Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre de
Leia maisExemplo Chamadas Telefônicas
Exemplo Chamadas Telefônicas Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Chamadas Telefônicas 2 o Semestre 2016 1 / 25 Chamadas
Leia maisExemplo Misto Ataques Epilépticos
Exemplo Misto Ataques Epilépticos Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Ataques Epilépticos 2 o Semestre 2016 1 / 25
Leia maisExemplo Espinhel de Fundo
Exemplo Espinhel de Fundo Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Espinhel de Fundo 2 o Semestre 2016 1 / 35 Espinhel de
Leia maisExemplo Multicolinearidade
Exemplo Multicolinearidade Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Calor do Cimento 1 o Semestre 2013 1 / 28 Calor de Cimento
Leia maisExemplos Regressão Dados Binários
Exemplos Regressão Dados Binários p. 1/28 Exemplos Regressão Dados Binários Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre de 2011 Exemplos
Leia maisExemplo Cupons com Desconto
Exemplo Cupons com Desconto Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2013 G. A. Paula (IME-USP) Cupons com Desconto 2 o Semestre 2013 1 / 21 Cupons
Leia maisExemplo Regressão Binomial Dados Emparelhados
Exemplo Regressão Binomial Dados Emparelhados Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2013 G. A. Paula (IME-USP) Desenvolvimento de Diabetes 2 o Semestre
Leia maisExemplo Cupons com Desconto
Exemplo Cupons com Desconto Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Cupons com Desconto 2 o Semestre 2016 1 / 22 Cupons
Leia mais1 z 1 1 z 2. Z =. 1 z n
Gabarito Lista 3. Tópicos de Regressão. 2016-2. 1. Temos que y i ind N (µ, φi ), com log φ i = α + γz i, para i = 1,..., n, portanto (i) para o γ = (α, γ) a matriz modelo ca Z = 1 z 1 1 z 2.. 1 z n (ii)
Leia maisExemplo Ataques Epilépticos
Exemplo Ataques Epilépticos Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Ataques Epilépticos 2 o Semestre 2015 1 / 20 Ataques
Leia maisExemplo Abastecimento de Refrigerantes
Exemplo Abastecimento de Refrigerantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2016 G. A. Paula (IME-USP) Abastecimento de Refrigerantes 1 o Semestre
Leia maisExemplo Preferência de Automóveis
Exemplo Preferência de Automóveis Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2013 G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre 2013 1 /
Leia maisExemplo Regressão Robusta
Exemplo Regressão Robusta Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Abastecimento de Refrigerantes 1 o Semestre 2013 1 /
Leia maisExemplo Placas Dentárias
Exemplo Placas Dentárias Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Placas Dentárias 2 o Semestre 2016 1 / 20 Placas Dentárias
Leia maisFaturamento de Restaurantes
Faturamento de Restaurantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Faturamento de Restaurantes 2 o Semestre 2015 1 / 28
Leia maisExemplos Modelos Binomiais de Dose-Resposta
Exemplos Modelos Binomiais de Dose-Resposta p. 1/14 Exemplos Modelos Binomiais de Dose-Resposta Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre
Leia maisExame da OAB. Gilberto A. Paula. Departamento de Estatística IME-USP, Brasil
Exame da OAB Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2017 G. A. Paula (IME-USP) Exame da OAB 2 o Semestre 2017 1 / 29 Exame da OAB Sumário 1 Exame
Leia maisExemplo MLG Misto. Gilberto A. Paula. Departamento de Estatística IME-USP, Brasil
Exemplo MLG Misto Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Placas Dentárias 2 o Semestre 2015 1 / 16 Placas Dentárias Sumário
Leia maisExemplos Equações de Estimação Generalizadas
Exemplos Equações de Estimação Generalizadas Bruno R. dos Santos e Gilberto A. Paula Departamento de Estatística Universidade de São Paulo, Brasil giapaula@ime.usp.br Modelos Lineares Generalizados dos
Leia maisExemplo Turbinas de Avião
Exemplo Turbinas de Avião Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Turbinas de Avião 2 o Semestre 2015 1 / 29 Turbinas de
Leia maisExemplo Demanda de TV a Cabo
Exemplo Demanda de TV a Cabo Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Demanda de TV a Cabo 2 o Semestre 2015 1 / 21 Demanda
Leia maisMAE Modelos Lineares Generalizados 2 o semestre 2017
MAE5763 - Modelos Lineares Generalizados 2 o semestre 2017 Prof. Gilberto A. Paula 3 a Lista de Exercícios 1. Supor y i ind FE(µ, φ i ) com φ i = α + γz i, para i = 1,..., n. Como ca a matriz modelo Z?
Leia maisModelos para dados de contagem
O modelo de Poisson Sumário 1 Introdução 2 Regressão de Poisson Taxa de Incidência Inclusão de covariáveis Interpretação dos parâmetros 3 Exemplos 4 Superdispersão Dados de Contagem Podemos estar interessados
Leia maisExemplo Regressão Linear Simples
Exemplo Regressão Linear Simples Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Área e Preço de Imóveis 1 o Semestre 2013 1 /
Leia maisExemplo Regressão Linear Múltipla
Exemplo Regressão Linear Múltipla Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Salário de Executivos 1 o Semestre 2013 1 / 27
Leia maisAplicação do modelo de Quase-Verossimilhança
Aplicação do modelo de Quase-Verossimilhança Fábio Hideto Oki 1 1 Introdução O câncer é uma doença de proporção mundial, atingindo só no Brasil cerca de 350 mil pessoas por ano e é caracterizado pela mutação
Leia maisESTUDO SOBRE A TAXA ANUAL DE CÂNCER NASAL EM UMA REFINARIA DE NÍQUEL NO PAÍS DE GALES
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística ESTUDO SOBRE A TAXA ANUAL DE CÂNCER NASAL EM UMA REFINARIA DE NÍQUEL NO PAÍS DE GALES CE225 - Modelos Lineares Generalizados
Leia maisTratamento Estatístico de dados em Física Experimental
Tratamento Estatístico de dados em Física Experimental Prof. Zwinglio Guimarães 2 o semestre de 2017 Tópico 6 - Testes estatísticos (Chi-quadrado, z e t ) O método dos mínimos quadrados (revisão) O método
Leia maisModelos de Regressão para Dados de Contagem
UNIVERSIDADE FEDERAL DO PARANÁ Departamento de Estatística Modelos de Regressão para Dados de Contagem CE225 - Modelos Lineares Generalizados Professor Cesar Taconelli Andrea A Alves, GRR: 20096668 NathanM
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ CURSO ESTATÍSTICA DENNIS LEÃO GRR LUAN FIORENTIN GRR
UNIVERSIDADE FEDERAL DO PARANÁ CURSO ESTATÍSTICA DENNIS LEÃO GRR - 20160239 LUAN FIORENTIN GRR - 20160219 MODELAGEM DE DADOS DE ÓBITOS POR AGRESSÕES NO ESTADO DE SÃO PAULO NO ANO DE 2016 CURITIBA Novembro
Leia maisResenha Modelos Lineares Generalizados
Resenha Modelos Lineares Generalizados Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2014 G. A. Paula (IME-USP) Resenha MLGs 2 o Semestre 2014 1 / 75 Introdução
Leia maisModelos Lineares Generalizados para Dados de Contagem Ananda Bordignon, Brendha Lima, Giovanna Lazzarin 28 de novembro de 2018
Modelos Lineares Generalizados para Dados de Contagem Ananda Bordignon, Brendha Lima, Giovanna Lazzarin 28 de novembro de 2018 1. Introdução O objetivo deste trabalho é apresentar uma análise estatística,
Leia maisRegressão de Poisson e parentes próximos
Janeiro 2012 Família Exponencial Seja Y uma variável aleatória. A distribuição de probabilidade de Y pertence à família exponencial se a sua função densidade de probabilidade é da forma ( ) yθ b(θ) f (y
Leia maisModelos Lineares Generalizados - Verificação do Ajuste do Modelo
1 Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 9 de Abril de 2015 2 3 Função Deviance Podemos ver o ajuste de um modelo a um conjunto de dados como: uma forma
Leia maisRegressão para Dados Binários - Estudo de Dengue
Universidade Federal do Paraná Departamento de Estatística Regressão para Dados Binários - Estudo de Dengue CE225 - Modelos Lineares Generalizados Francielle Przibiciem de Mattos GRR20124686 Guilherme
Leia maisAplicação dos modelos lineares generalizados na análise do
Aplicação dos modelos lineares generalizados na análise do número de ácaros Ana Paula Coelho Madeira Silva 12 Fabrício Oliveira Fernandes 12 Marcos Antonio Matiello Fadini 12 1 Introdução O estudo das
Leia maisModelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência
Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2. Veremos
Leia maisModelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência
Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto Introdução 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2.
Leia maisMAE Planejamento e Pesquisa II
MAE0327 - Planejamento e Pesquisa II EXPERIMENTOS/ESTUDOS NÃO-BALANCEADOS COM FATORES FIXOS - PARTE 1 7 de agosto de 2016 Denise A Botter MAE0327 7 de agosto de 2016 1 / 1 PLANEJAMENTO E PESQUISA I Estudos
Leia maisModelos de Regressão Múltipla - Parte IV
1 Modelos de Regressão Múltipla - Parte IV Erica Castilho Rodrigues 01 de Fevereiro de 2017 2 3 4 Nos modelos vistos até agora a mudança de um grupo para o outro estava apenas no intercepto. Podemos também
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisCE062c - GAMLSS. Silva, J.P; Taconeli, C.A. 09 de outubro, Silva, J.P; Taconeli, C.A. CE062c - GAMLSS 09 de outubro, / 42
CE062c - GAMLSS Silva, J.P; Taconeli, C.A. 09 de outubro, 2018 Silva, J.P; Taconeli, C.A. CE062c - GAMLSS 09 de outubro, 2018 1 / 42 Por que GAMLSS? Silva, J.P; Taconeli, C.A. CE062c - GAMLSS 09 de outubro,
Leia maisAnálise de Dados Categóricos
1/43 Análise de Dados Categóricos Modelo de Regressão de Poisson Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Departamento de Estatística Universidade Federal de Minas Gerais 2/43 Revisão:
Leia mais1 Introdução aos Métodos Estatísticos para Geografia 1
1 Introdução aos Métodos Estatísticos para Geografia 1 1.1 Introdução 1 1.2 O método científico 2 1.3 Abordagens exploratória e confirmatória na geografia 4 1.4 Probabilidade e estatística 4 1.4.1 Probabilidade
Leia maisMODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS
MODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS 1 Diversas distribuições podem ser consideradas para a modelagem de dados positivos com distribuição contínua e assimétrica, como, por exemplo, as
Leia maisVERIFICAÇÃO DOS RECURSOS NECESSÁRIOS. Capítulo 1 VARIÁVEIS E AMOSTRAS 1
PREFÁCIO VERIFICAÇÃO DOS RECURSOS NECESSÁRIOS xiii DO EXCEL... xv Capítulo 1 VARIÁVEIS E AMOSTRAS 1 VARIÁ VEIS 4 NÚMERO DE VARIÁVEIS 5 CLASSIFICAÇÃO DAS VARIÁVEIS 6 ESCALA DE MEDIÇÃO DAS VARIÁVEIS 7 POPULAÇÃO
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisÓbitos por Acidentes de Transporte em Santa Catarina no ano de 2016
Óbitos por Acidentes de Transporte em Santa Catarina no ano de 2016 Modelos Lineares Generalizados Lais Hoffmam Simone Matsubara Willian Meira Yasmin Fernandes Curitiba 2018 Sumário 1. Resumo... 3 2. Introdução...
Leia maisINSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total.
INSTRUÇÕES Para a realização desta prova, você recebeu este Caderno de Questões. 1. Caderno de Questões Verifique se este Caderno de Questões contém a prova de Conhecimentos Específicos referente ao cargo
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA BRUNO GERONYMO - GRR20159232 HERMANN MOGIZ DELGADO - GRR20159211 MARIA HELENA OLIVEIRA - GRR20159213 VINICIUS CESAR PEDROSO
Leia maisModelos de Regressão Linear Simples - parte II
Modelos de Regressão Linear Simples - parte II Erica Castilho Rodrigues 14 de Outubro de 2013 Erros Comuns que Envolvem a Análise de Correlação 3 Erros Comuns que Envolvem a Análise de Correlação Propriedade
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisAplicação de modelos lineares generalizados na captura de atum da espécie Thunnus albacares.
Reunião Anual da Região Brasileira Internacional de Biometria -22 a 26 de julho de 2013 - Campina Grande/PB Aplicação de modelos lineares generalizados na captura de atum da espécie Thunnus albacares.
Leia maisDistribuição de Probabilidade de Poisson
1 Distribuição de Probabilidade de Poisson Ernesto F. L. Amaral Magna M. Inácio 07 de outubro de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho e Análise Empírica (DCP 859B4)
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisInfluência Local Gilberto A. Paula
Influência Local p. 1/18 Influência Local Gilberto A. Paula Instituto de Matemática e Estatística Universidade de São Paulo e-mail:giapaula@ime.usp.br Influência Local p. 2/18 Preliminares O método de
Leia mais5 Correlações entre viscosidade e temperatura
5 Correlações entre viscosidade e temperatura Correlações disponíveis na literatura mostraram-se inadequadas para representar os dados experimentais obtidos, como foi visto no capítulo anterior. Há grandes
Leia maisDISCIPLINA: EPIDEMIOLOGIA E BIOESTATÍSTICA LICENCIATURA: ENFERMAGEM; FISIOTERAPIA
Aula nº 1 Data: 3 de Outubro de 2002 1. INTRODUÇÃO: POPULAÇÕES, AMOSTRAS, VARIÁVEIS E OBSERVAÇÕES Conceito de Bioestatística e importância da disciplina no âmbito da investigação biológica. Limitações
Leia maisResenha dos Modelos Lineares Generalizados
Resenha dos Modelos Lineares Generalizados p. 1/67 Resenha dos Modelos Lineares Generalizados Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisAPONTAMENTOS DE SPSS
Instituto de Ciências Biomédicas de Abel Salazar APONTAMENTOS DE SPSS Rui Magalhães 2010-1 - - 2 - Menu DATA Opção SPLIT FILE Permite dividir, de uma forma virtual, o ficheiro em diferentes ficheiros com
Leia maisModelagem estatística da captura da broca-do-café (Hypothenemus hampei) ao longo do tempo 1
Modelagem estatística da captura da broca-do-café (Hypothenemus hampei) ao longo do tempo 1 Alessandra dos Santos 2 ernando de Pol Mayer 2 Rafael de Andrade Moral 2 Luiz Henrique Costa Mota 3 Clarice Garcia
Leia maisModelo Linear Generalizado Exponencial Potência
Modelo Linear Generalizado Exponencial Potência Cristian Villegas 1 2 1 Introdução Os modelos lineares normais são amplamente aplicados em diversas áreas do conhecimento para modelar a média de dados contínuos
Leia maisSeleção de Variáveis e Construindo o Modelo
Seleção de Variáveis e Construindo o Modelo Seleção de modelos candidatos A idéia é selecionar um conjunto menor de variáveis explanatórias de acordo com algum(s) critério(s), e assim selecionar o modelo
Leia mais+ + 2 + + + 2 + + 23 + 3 + 23 + 2 + + 23 + 3 + 23 + 3 + 23 + 3 2345678 2 3 4 2 2 + + 2 + 3 2 3 2 3 ± + + 2 2 + + 3 2 3 2 + + + + 2 3 3 + + + + 2 3 3 + + + + 2 3 3 + + + 2 3 3 + + 2 3 4 + 2 3 23452454 +
Leia maisSumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47
CAPÍTULO 1 Conceitos preliminares 1 Introdução........................................................1 O que é estatística?.................................................. 4 Papel dos microcomputadores.........................................
Leia maisModelos Probabiĺısticos Discretos
Discretos Prof. Gilberto Rodrigues Liska UNIPAMPA 19 de Setembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Gilberto R. Liska ( UNIPAMPA ) Notas de Aula 19 de Setembro de 2017 1 /
Leia maisA Importância da Estatística na Pesquisa Científica e na Tomada de Decisão
A Importância da Estatística na Pesquisa Científica e na Tomada de Decisão Ricardo Alves de Olinda Universidade Estadual da Paraíba - UEPB Centro de Ciências e Tecnologia - CCT Departamento de Estatística
Leia maisNúmero de Consultas ao Médico
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA CURSO DE ESTATÍSTICA João Matheus S. K. T. Hneda Lineu Alberto Cavazani de Freitas Número de Consultas ao Médico Análise
Leia maisEstudar a relação entre duas variáveis quantitativas.
Estudar a relação entre duas variáveis quantitativas. Exemplos: Idade e altura das crianças Tempo de prática de esportes e ritmo cardíaco Tempo de estudo e nota na prova Taxa de desemprego e taxa de criminalidade
Leia maisResolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.
de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%
Leia maisModelos e inferência para um experimento em blocos casualizados para o número de vagens em soja RESUMO
Modelos e inferência para um experimento em blocos casualizados para o número de vagens em soja Natália da Silva Martins 1, Davi Butturi-Gomes 1, Lucas Souza Capelaro 2 1 Instituto de Ciências Exatas,
Leia maisTrabalho de GLM 2. Adi M. ARAÚJO, Kristiany J. MARTINI, Konstanz W. TONEGAWA, Leonardo H. KRÜGER. 17 de outubro de 2017
Trabalho de GLM 2 Adi M. ARAÚJO, Kristiany J. MARTINI, Konstanz W. TONEGAWA, Leonardo H. KRÜGER 17 de outubro de 2017 1 - Resumo Para o trabalho, foi extraída do site kaggle.com uma base com uma amostra
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisTrabalho 1. Gustavo Mello Reis Página 1
Trabalho Gustavo Mello Reis Página . Estudo de caso a) Uma empresa fabricante de automóveis estava tendo problemas com os vidros dos carros, estes estavam vindo com arranhões. Em busca de obter melhor
Leia maisPrimeira Parte. 0, caso contrário.
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA TÓPICOS DE RESOLUÇÃO - Exame de Época Normal 009/00 Primeira Parte [,0]. Considere a varável aleatória X
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ CURSO ESTATÍSTICA CALEB SOUZA GRR DENNIS LEÃO GRR LUAN FIORENTIN GRR
UNIVERSIDADE FEDERAL DO PARANÁ CURSO ESTATÍSTICA CALEB SOUZA GRR -20149072 DENNIS LEÃO GRR - 20160239 LUAN FIORENTIN GRR - 20160219 MODELAGEM DA QUANTIDADE DE MATRÍCULAS NO ENSINO REGULAR NO ESTADO DO
Leia maisINFLUÊNCIA DE PONTOS ATÍPICOS. investigar a causa das discrepâncias
INFLUÊNCIA DE PONTOS ATÍPICOS como identificá-los? investigar a causa das discrepâncias avaliar seus efeitos (influências) no ajuste do modelo No MRLS podemos identificar pontos atípicos influentes com:
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisMódulo 16- Análise de Regressão
Módulo 6 Análise de Regressão Módulo 6- Análise de Regressão Situação Problema Um grupo de investidores estrangeiros deseja aumentar suas atividades no Brasil. Considerando a conjuntura econômica de moeda
Leia maisRelatório de análise estatística Bairro : Dois Irmãos Recife/PE
Relatório de análise estatística Bairro : Dois Irmãos Recife/PE 1 INTRODUÇÃO O objetivo deste relatório é determinar fatores de risco e proteção para a ocorrência de ovos do mosquito Aedes aegypti para
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Pertencem ao grupo de ferramentas estatísticas que permitem caracterizar um conjunto de dados sob ponto de vista da tendência
Leia maisModelos Binomial e Poisson
Objetivos Motivação BIE5781 - Pós-Graduação em Ecologia USP setembro de 2012 Objetivo da Aula Objetivos Motivação Os objetivos dessa aula são: Objetivos Motivação Objetivo da Aula Os objetivos dessa aula
Leia mais= Assim, toma-se ˆp= x m =
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO de Outubro, 06 PRIMEIRO TESTE 06-7 Uma resolução possível I Seja X a variável aleatória que conta o número de parcelas onde cada genótipo da casta
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisRegressão para Dados de Contagem - Segurança e privatização ferroviária na Grã-Bretanha
Universidade Federal do Paraná Departamento de Estatística Regressão para Dados de Contagem - Segurança e privatização ferroviária na Grã-Bretanha CE22 - Modelos Lineares Generalizados Francielle Przibiciem
Leia maisRegressão Linear Múltipla no R MAE-0217: ESTATÍSTICA DESCRITIVA MAIO DE 2017 PROFESSORA: MÁRCIA D ELIA BRANCO
Regressão Linear Múltipla no R MAE-0217: ESTATÍSTICA DESCRITIVA MAIO DE 2017 PROFESSORA: MÁRCIA D ELIA BRANCO MONITORA PAE: SIMONE HARNIK Regressão Linear Simples > O modelo de regressão linear simples
Leia maisModelos de Regressão Múltipla - Parte VI
1 Modelos de Regressão Múltipla - Parte VI Erica Castilho Rodrigues 7 de Fevereiro de 2017 2 3 Podemos fazer uma transformação na variável resposta Y e/ou na preditora X para: solucionar problemas de variância
Leia mais