Lista 1 - Gabarito. Prof. Erica Castilho Rodrigues Disciplina: Modelos Lineares Generalizados. 29 de Abril. f(y i, θ i ) = θ i exp( yiθ i ).
|
|
- Marcela Ximenes Terra
- 7 Há anos
- Visualizações:
Transcrição
1 Lista 1 - Gabarito Prof. Erica Castilho Rodrigues Disciplina: Modelos Lineares Generalizados 29 de Abril 1. (Concurso Petrobrás ) Em um modelo de regressão logística, o que indica se o modelo se ajusta bem aos dados é a(o) a) função logito; b) função probito; c) razão de chances; d) estatística deviance; e) coeficiente de determinação. Resosta: D. 2. Encontre a função deviance para o modelo Binomial. Resposta: Exercício feito em sala. 3. Considere-se uma amostra aleatória Y 1,..., Y n com a distribuição exponencial f(y i, θ i ) = θ i exp( yiθ i ). Encontre a função deviance para essa distribuição. Respota: A log-verossimilhança é dada por l(y, θ) = i log(θ i ) i y i θ i para o modelo cheio fazemos E(Y i ) = 1/θ i = y i ou seja θ i = 1/y i l(y, θ i ) = i log(1/y i ) i 1 1
2 para o modelo sob pesquisa fazemos θ i = 1/ŷ i l(y, θ) = i log(1/ŷ i ) i y i /ŷ i temos então que [ D = 2 log(1/y i ) i i ( 1 log(1/ŷ i ) i i ) ] [ ŷ i θ i = 2 log i ( yi ŷ i ) ] yi 1 ŷ i 4. Os dados a seguir referem-se a tempo de vida de pacientes. A variável resposta (y i ) é o tempo de vida do paciente em semanas e a variável explicativa (x i ) é sua pressão sanguínea inicial. a) Faça o gráfico de Y em função de X. Existe algum padrão nesse gráfico? Resposta: Y descresce de maneira exponencial quando x aumenta. b) Uma possível especificação da E(Y i ) é E(Y i ) = exp (β 0 + β 1 x i ) o que garante que a esperança de Y i será positiva para todos valores dos parâmetros e das variável explicativas. Qual é a função de ligação nesse caso? Resposta: Temos que log(µ i ) = β 0 + β 1 x i = η i portanto a função de ligação é o logaritmo. Vamos supor que Y i tem distribuição exp(θ). Essa suposição é razoável? Por que? Ajuste esse modelo utilizando um software e escreva o resultado obtido. Resposta: Como Y i é tempo de vida de pacientes podemos modelar por uma distribuição exponencial, visto que só assume valores negativos e tem probabilidade baixa de assumir valores altos. O modelo ajustado é dado por ŷ i = x i. Verifique se a variável X i é significativa comparando as Deviances dos modelo que incluem e não incluem X i. Respota: A diferença das Deviances é dada por D = 26, , 457 = 6, 825 2
3 Figura 1: Tempo de vida dos pacientes em função da pressão sanguínea. comparando como valor crítico da x 2 1 (com α = 5%) notamos que 6, 825 > 3, 84. Concluímos então que com 5% de significância podemos afirmar que a variável pressão sanguínea é significativa para explicar o tempo de vida dos pacientes. 5. Deseja-se investigar como a radiação está relacionada a morte de pacientes por leucemia. A tabela a seguir mostra um conjunto de dados coletados em que se registrou o número de mortes para diferentes faixas de intensidade da radiação. Obtenha um modelo do tipo dose-resposta para modelar a relação a radiação e a proporção de pessoas que morrem devido a leucemia. (Para cada intervalo de radiação considere a dose como aquela correspondente ao limite inferior. Por exemplo, para o intervalode de radiação de 1-9 a dose refrente é 1). Faça um gráfico de dispersão de da proporção de pessoas que morreram por leucemia em função da radiação e acrescente a curva ajustada pelo modelo. O modelo está bem ajustado? Qual estatística pode ser usada para verificar isso? Qual valor de radiação estimado para o qual espera-se que 10% das pessoas morrem por leucemia. Resposta: Seja Y i o número de pessoas que morrem com leucemia, seja m i o número total de pessoas que morrem por cancer e vamos denotar por x i a dose de radiação à qual o i-ésimo grupo foi exposto. Vamos ajustar um modelo Binomial tal que Y i Bin(m i, π i ) onde π i = O script a seguir ajusta o modelo no R: e β 0+β 1 x i. x=c(0,1,10,50,100,200) y=c(13,5,5,3,4,18) m=c(391,205,156,50,35,51) modelo=glm(cbind(y,m-y)~x,family="binomial") 3
4 Figura 2: Os resultados do modelo são mostrados a seguir > summary(modelo) Call: glm(formula = cbind(y, m - y) ~ x, family = "binomial") Deviance Residuals: Coefficients: Estimate Std. Error z value Pr(> z ) (Intercept) < 2e-16 *** x e-15 *** (Dispersion parameter for binomial family taken to be 1) Null deviance: on 5 degrees of freedom Residual deviance: on 4 degrees of freedom AIC: Number of Fisher Scoring iterations: 4 O modelo ajustado é dado por Ê(y i ) = e x i. A Figura 3 mostra o gráfico de dispersão e a reta ajustada. A curva parece se ajustar bem aos dados. A Deviance calculada do modelo foi de 0,432 com um p-valor de 0, Isso indica que o modelo está bem ajustado. Para estimarmos a radiação para a qual 50% das pessoas morrem por leucemia, devemos 4
5 Proporção de pessoas que morreram por leucemia x Figura 3: Gráfico da proporção de pessoas que morreram de leucemia em função da raciação. isolar o x i na equação Basta fazer π i = 0, 1 e temos assim que ( ) πi log = x i 1 π i ( ) πi x i = (log )/ π i ( ) 0, 1 x i = (log )/0.014 = , 1 Portanto a dose tal que espera-se que 10% das pessoas morram por leucemia é de 92, Entre os conjuntos de dados disponíveis no pacote MASS encontra-se a data frame menarche. Trata-se dos resultados dum estudo efetuado na Polônia (veja- a referência bibliográfica através do comando help(menarche) ) em 1965, no qual se registou a idade média da primeira menstruação (menarca) em grupos (homogêneos) de jovens de Varsóvia. A tabela contém três colunas, indicando a idade média do grupo, o número total de jovens no grupo e, finalmente, o número de jovens já com períodos menstruais. a) Construa um gráfico de idades médias (eixo horizontal) vs. a proporção de jovens pósmenarca (eixo vertical). Discuta a forma da relação obtida. 5
6 Resposta: O código usado para fazer o gráfico se encontra a seguir. require(mass) data(menarche) head(menarche) attach(menarche) plot(age,menarche/total) O gráfico apresentado na Figura?? mostra que a relação entre a proporção de jovens pósmnearca e a idade se aproxima muito de uma curva logística. Esse é um indício de que o modelo logístico é adequado neste caso. Menarche/Total Age Figura 4: b) Ajuste uma regressão logística aos dados. Trace a curva ajustada por cima da nuvem de pontos que obteve na alínea anterior. Teste a significância da variável e verifique se o modelo está bem ajustado através da Deviance e do gráfico. Resposta: O comando e o resultado do modleo são apresentados a seguir. glm(cbind(menarche,total-menarche)~age, data=menarche, family="binomial") 6
7 glm(formula = cbind(menarche, Total - Menarche) ~ Age, family = "binomial", data = menarche) Deviance Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error z value Pr(> z ) (Intercept) <2e-16 *** Age <2e-16 *** --- (Dispersion parameter for binomial family taken to be 1) Null deviance: on 24 degrees of freedom Residual deviance: on 23 degrees of freedom AIC: Number of Fisher Scoring iterations: 4 Os comandos usados para traçar a curva se encontram logo a seguir data.new=data.frame("age"=seq(from=9,to=18,length=39)) y_predicted=predict(modelo,data.new,type="response") lines(data.new$age,y_predicted) Notamos que a variável Idade parece ser significativa. O valor observado da Deviance é de Se compararmos com o valor crítico da X23, 2 que é dado por , notamos que é menor que o valor crítico, o que indica que o modelo está bem ajustado, com 5% de significância. O Figura?? mostra que a curva se ajusta muito bem aos dados, dando mais um indício de adequação do modelo. c) Interprete o valor encontrado para o parâmetro no modelo anterior. Resposta: O valor estimado para o parâmetro β 1 é ˆβ 1 = Temos que exp( ) = Isso significa que para cada aumento em um ano na idade da jovem, espera-se que a razão de chance da probabilidade de entrar na menarca aumente em 411%. 7
8 Menarche/Total Age Figura 5: d) Refaça o ajuste anterior, mas agora usando as ligações probit e complemente loglog. Adicione no gráfico anterior a curva com o ajuste desses dois novos modelos. Compare os resultados. Qual das ligações você escolheria? Resposta: Os comandos utilizados para ajustar o modelo e traçar a curva se encontram a seguir. modelo2=glm(cbind(menarche,total-menarche)~age, data=menarche, family=binomia data.new=data.frame("age"=seq(from=9,to=18,length=39)) y_predicted=predict(modelo2,data.new,type="response") lines(data.new$age,y_predicted,col= blue ) modelo2=glm(cbind(menarche,total-menarche)~age, data=menarche, family=binomia data.new=data.frame("age"=seq(from=9,to=18,length=39)) y_predicted=predict(modelo2,data.new,type="response") lines(data.new$age,y_predicted,col= red ) 8
9 legend("topleft",c("logit","probit","c-log-log"),fill=c("black","blue","red") A Figura?? as curvas ajustadas usando os três tipos de função de ligação. Notamos que os ajustes são semelhantes entre si. Porém a curva logística parece se ajustar melhor aos dados. Além disso, como o modelo logístico é o único para o qual podemos interepretar os parâmetros, esse é o modelo mais adequado. Menarche/Total Logit Probit C log log Age Figura 6: 7. No pacote MASS encontra-se a data frame Traffic, com os resultados dum estudo sobre 9
10 a aplicação e localização de limites de velocidade nas estradas suecas, efectuado em 1961 (veja help(traffic) para mais detalhes). (a) Ajuste um modelo para o número de acidentes registrados em cada dia. Considere como variável explicativa a variável categórica limit que indica se os limites de velocidades estava ou não em vigor. b) Verifique se o modelo está bem ajustado usando a Deviance. c) Interprete os parâmetros do modelo. d) Calcule o número esperado de acidentes para os dias que os limites de velocidade estavam em vigor e para os dias que não estavam. e) Discuta as vantagens comparativas de utilizar um modelo linear generalizado neste caso, quando comparado com a abordagem alternativa de efectuar um teste t clássico para comparar as médias da variável número de acidentes por dia nas duas populações definidas por haver, ou não, limites de velocidade. Resposta: O teste t só pode ser aplicado para o caso em que a variável tem distribuição normal. Nessse caso o número de acidentes por dia, por ser uma contagem, não segue distribuição normal. 10
Trabalho de Modelos Lineares Generalizados
Universidade Federal do Paraná Trabalho de Modelos Lineares Generalizados Ananda Bordignon 1, Brendha Lima 2, Giovanna Lazzarin 3 12 de Novembro de 2018 1 GRR20149157 2 GRR20149163 3 GRR20149088 1 SUMÁRIO
Leia maisModelos Lineares Generalizados - Regressão Logística
Modelos Lineares Generalizados - Regressão Logística Erica Castilho Rodrigues 26 de Maio de 2014 AIC 3 Vamos ver um critério para comparação de modelos. É muito utilizado para vários tipos de modelo. Mede
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 maisModelos Lineares Generalizados - Verificação do Ajuste do Modelo
Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 21 de Junho de 2013 3 Uma outra medida usada para verificar o ajuste do modelo. Essa estatística é dada por X
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 mais3.33pt. AIC Introdução
1 3.33pt 1 Modelos Lineares Generalizados - Regressão Logística Erica Castilho Rodrigues 01 de Julho de 2016 2 3.33pt 3 Vamos ver um critério para comparação de modelos. É muito utilizado para vários tipos
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 maisModelos Lineares Generalizados
unificação metodológica Alexandre Adalardo de Oliveira PlanECO 2017 1 of 43 03/29/2017 11:47 AM Conceitos estrutura do erro preditora linear função de ligação 2 of 43 03/29/2017 11:47 AM Função de ligação
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisModelos Lineares Generalizados - Componentes do Modelo
Modelos Lineares Generalizados - Componentes do Modelo Erica Castilho Rodrigues 01 de Abril de 2014 3 Vejamos agora quais as componentes de um Modelo Linear Generalizado. Temos um conjunto de variáveis
Leia maisModelo Linear Generalizado Distribuição de Poisson
Valeska Andreozzi 1 Modelo Linear Generalizado Distribuição de Poisson Problema 1 O objetivo desta aula é exemplificar a modelagem de dados de contagem. Vamos ilustrar como os modelos lineares generalizados
Leia maisEXPLORANDO OS MODELOS LINEARES GENERALIZADOS APLICAÇÃO A DADOS DE UM PEQUENO SUPERMERCADO
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística EXPLORANDO OS MODELOS LINEARES GENERALIZADOS APLICAÇÃO A DADOS DE UM PEQUENO SUPERMERCADO CE225 - Modelos Lineares Generalizados
Leia mais1 AULA 5 - REGRESSÃO LOGÍSTICA BINOMIAL
1 AULA 5 - REGRESSÃO LOGÍSTICA BINOMIAL 1.1 Tabela de contingência A base de dados que vamos utilizar são os dados do estudo caso-controle em que os casos foram mulheres com infertilidade e os controles,
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 maisUNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
Leia maisModelos Matemáticos e Aplicações Exercícios de Modelos Lineares Generalizados
Modelos Matemáticos e Aplicações 2015-16 Exercícios de Modelos Lineares Generalizados AVISO: O ficheiro dadosmlg.rdata contém os objectos tabaco (Exercício 2), ratos (Exercício 3), Elisa1 (Exercício 6),
Leia maisDETERMINAÇÃO DA DL50 PARA O CONTROLE BIOLÓGICO DA C.VESTIGIALIS EM PLANTAS DO ÁLAMO. EMBRAPA Pesquisadora: EDILENE MACHADO
DETERMINAÇÃO DA DL50 PARA O CONTROLE BIOLÓGICO DA C.VESTIGIALIS EM PLANTAS DO ÁLAMO EMBRAPA Pesquisadora: EDILENE MACHADO O ÁLAMO Família: Salicaceae Gênero: Populus Características Ausência de resinas
Leia maisModelo de regressão Beta
Modelo de regressão Beta Fernando Lucambio Pérez Departamento de Estatística Universidade Federal do Paraná Agosto de 2004 1 Consideremos uma situação em que a variável resposta contínua é restrita ao
Leia mais1 semestre de 2014 Gabarito Lista de exercícios 3 - Estatística Descritiva III C A S A
Exercício 1. (1,0 ponto). A tabela a seguir mostra o aproveitamento conjunto em Física e Matemática para os alunos do ensino médio de uma escola. Notas Notas Notas Física/Matemática Altas Regulares Baixas
Leia maisRelatório GLM - Predição de doênça coronária cardíaca através do modelo de regressão generalizado com resposta Binomial
UNIVERSIDADE FEDERAL DO PARANÁ Rafael Morciani Alves da Silva Maike Willian Martins dos Santos Mateus Gemelli Ramos Relatório GLM - Predição de doênça coronária cardíaca através do modelo de regressão
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ. Adriane Machado (GRR ), Cinthia Zamin Cavassola(GRR ) e Luiza Hoffelder da Costa(GRR )
UNIVERSIDADE FEDERAL DO PARANÁ Adriane Machado (GRR20149152), Cinthia Zamin Cavassola(GRR20149075) e Luiza Hoffelder da Costa(GRR20149107) AJUSTE DE MODELO DE REGRESSÃO LOGÍSTICA REFERENTE À PRESENÇA DE
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 maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Introdução Regressão linear dados independentes séries temporais Regressão de quantis Regressão
Leia maisAula IV. Representação gráfica e regressão linear. Prof. Paulo Vitor de Morais
Aula IV Representação gráfica e regressão linear Prof. Paulo Vitor de Morais Representação gráfica A representação gráfica é uma forma de representar um conjunto de dados de medidas que permite o estudo
Leia maisAnalise de sobreviventes em acidentes de carros
Analise de sobreviventes em acidentes de carros Modelos Lineares Generalizados Lais Hoffmam GRR20159455 Simone Matsubara GRR20124663 Willian Meira GRR20159077 Yasmin Fernandes ISO20180365 Curitiba 2018
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 maisIntrodução aos Modelos Lineares em Ecologia
Introdução aos Modelos Lineares em Ecologia Prof. Adriano Sanches Melo - Dep. Ecologia UFG asm.adrimelo no gmail.com Página do curso: www.ecologia.ufrgs.br/~adrimelo/lm/ Livro-texto: Crawley, M.J. 2005.
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 maisModelos Lineares Generalizados - Estimação em Modelos Lineares Generalizados
Modelos Lineares Generalizados - Estimação em Modelos Lineares Generalizados Erica Castilho Rodrigues 23 de Maio de 207 Introdução 2 3 Vimos como encontrar o EMV usando algoritmos numéricos. Duas possibilidades:
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 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 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 maisPrecificação de apartamentos para o bairro Água Verde em Curitiba
Precificação de apartamentos para o bairro Água Verde em Curitiba Chuck Norris Arnold Schwarzenegger 18 de julho de 2013 O preço de imóveis depende principalmente do seu tamanho e localização. A infraestrutura
Leia maisModelos de Regressão Múltipla - Parte VII
1 Modelos de Regressão Múltipla - Parte VII Erica Castilho Rodrigues 26 de Janeiro de 2016 2 3 Vimos como ajustar um modelo não linear fazendo transformações das variáveis, como, por exemplo Y = exp{β
Leia maisLucas Santana da Cunha de julho de 2018 Londrina
Análise de Correlação e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 26 de julho de 2018 Londrina 1 / 17 Há casos em que pode existir um relacionamento entre duas variáveis:
Leia maisEnsaio Clínico de Contraceptivos José Luiz Padilha da Silva 24 de outubro de 2018
Ensaio Clínico de Contraceptivos José Luiz Padilha da Silva 24 de outubro de 2018 Exemplo: Ensaio Clínico de Contraceptivos Introdução Este exemplo é de um estudo longitudinal de uso de contraceptivos
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Métodos Estatísticos Avançados em Epidemiologia Aula 2-2 Regressão de Poisson: Modelando Contagens Distribuição
Leia maisAnálise de Sobrevivência. Exercícios - Capítulo 1
Análise de Sobrevivência Profa. Suely Ruiz Giolo Departamento de Estatística - UFPR Exercícios - Capítulo 1 1. Suponha que seis ratos foram expostos a um material cancerígeno. Os tempos até o desenvolvimento
Leia maisANÁLISE DE REGRESSÃO
ANÁLISE DE REGRESSÃO Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 09 de janeiro de 2017 Introdução A análise de regressão consiste na obtenção de uma equação
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 maisMRLM COM COVARIÁVEIS CATEGÓRICAS. criar uma variável dummy para representar uma categoria da variável. variável dummy: assume só dois valores: 0 ou 1
MRLM COM COVARIÁVEIS CATEGÓRICAS Como quantificar o efeito das categorias de uma variável sobre a resposta Y? (exemplo: efeito de sexo masculino/feminino sobre salário) criar uma variável dummy para representar
Leia maisModelos de regressão paramétricos
6 Modelos de regressão paramétricos Exercícios Exercício 6.1: O banco de dados leite2.txt contém dados de tempo de aleitamento de crianças de 4 comunidades. No ajuste não-paramétrico a esses dados, observamos
Leia maisModelos Lineares Generalizados
Modelos Lineares Generalizados Emilly Malveira de Lima Análise de Dados Categóricos Universidade Federal de Minas Gerais - UFMG 10 de Maio de 2018 Emilly Malveira (PGEST-UFMG) 10 de Maio de 2018 1 / 20
Leia mais4 Modelos Lineares Generalizados
4 Modelos Lineares Generalizados Neste capítulo, serão apresentados arcabouços teóricos dos modelos lineares generalizados (MLGs) e como casos particulares desses modelos são aplicáveis ao problema da
Leia maisCORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011
CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Modelos Probabilísticos para a Computação Professora: Andréa Rocha UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO Introdução Quando consideramos
Leia maisCapacitação em R e RStudio PROJETO DE EXTENSÃO. Software R: capacitação em análise estatística de dados utilizando um software livre.
UFFS Universidade Federal da Fronteira Sul Campus Cerro Largo PROJETO DE EXTENSÃO Software R: capacitação em análise estatística de dados utilizando um software livre Fonte: https://www.r-project.org/
Leia maisAnálise de Dados Longitudinais Modelos Lineares Generalizados Longitudinais
1/55 Análise de Dados Longitudinais Modelos Lineares Generalizados Longitudinais Enrico A. Colosimo-UFMG www.est.ufmg.br/ enricoc 2/55 Respostas Longitudinal Não-Gaussiana 1 Y ij, i = 1,..., N; j = 1,...,
Leia maisModelos Matemáticos e Aplicações Exercícios de Modelos Lineares Generalizados
Modelos Matemáticos e Aplicações 2016-17 Exercícios de Modelos Lineares Generalizados AVISO: O ficheiro dadosmlg.rdata contém os objectos tabaco (Exercício 1), ratos (Exercício 2), Elisa1 (Exercício 5),
Leia maisModelo Linear Generalizado Distribuição Normal
Valeska Andreozzi 1 Modelo Linear Generalizado Distribuição Normal O objetivo deste exercício é familiarizar o aluno com os modelos lineares generalizados (MLG). PROBLEMA 1: Pressão arterial A pressão
Leia maisRegressão Logística: Um Estudo sobre o Uso de Tabaco entre Alunos da Universidade Federal do Paraná Curitiba
UNIVERSIDADE FEDERAL DO PARANÁ Departamento de Estatística Regressão Logística: Um Estudo sobre o Uso de Tabaco entre Alunos da Universidade Federal do Paraná Curitiba CE225 - Modelos Lineares Generalizados
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 maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisCE062c José Luiz Padilha da Silva e Cesar Augusto Taconeli 13 de setembro de 2018
CE062c José Luiz Padilha da Silva e Cesar Augusto Taconeli 13 de setembro de 2018 Examplo usando gamlssnp(): dados de cérebros de animais O tamanho do cérebro (brain) e peso corporal (body) foram registrados
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 maisINCIDÊNCIA DE DENGUE EM UMA CIDADE DA COSTA MEXICANA: UM ESTUDO PREDITIVO
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística INCIDÊNCIA DE DENGUE EM UMA CIDADE DA COSTA MEXICANA: UM ESTUDO PREDITIVO CE225 - Modelos Lineares Generalizados Eduardo
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 maisExercícios - Estatística e Delineamento
Exercícios - Estatística e Delineamento - 2018-19 2 Regressão Linear Simples 1. Com base nos dados do Instituto Nacional de Estatística (INE), foi criado um ficheiro em formato CSV (Comma separated values)
Leia maisIntrodução Regressão linear Regressão de dados independentes Regressão não linear. Regressão. Susana Barbosa
Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2012-2013 Regressão linear x : variável explanatória y : variável resposta Gráfico primeiro! Gráfico primeiro! Gráfico primeiro! Modelo linear x
Leia maisGabarito Lista 2 LES0773 Estatística III. Os resultados dessa regressão são apresentados na seguinte tabela:
Gabarito Lista 2 LES0773 Estatística III Exercício 1) Utilizando a ferramenta Análise de Dados e a sua função Regressão, foi realizada uma regressão levando em consideração os gastos com PD como variável
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 maisTeste F-parcial 1 / 16
Teste F-parcial A hipótese nula, H 0, define o modelo restrito. Ingredientes SQR r : soma de quadrado dos resíduos sob H 0. R 2 r: coeficiente de determinação sob H 0. g: número de restrições a serem testadas
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 maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 7 Introducing statistical modeling Part 3 (Multivariable linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisRegressão linear múltipla
Regressão linear múltipla Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução A regressão múltipla é uma generalização da regressão simples, visto que, há mais de uma variável explicativa
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 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 maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisEFICIÊNCIA DE UM TRATAMENTO APLICADO A PACIENTES COM LEUCEMIA
Universidade Federal do Paraná Departamento de Estatística EFICIÊNCIA DE UM TRATAMENTO APLICADO A PACIENTES COM LEUCEMIA CE225 - Modelos Lineares Generalizados Jhenifer Caetano Veloso - GRR20137558 Rogério
Leia maisModelos log-lineares
Modelos log-lineares Apresentamos exemplos de ajustes de modelos log-lineares com a função glm do pacote stats em R. Os resultados são destacados em cor azul. Os dados do exemplo podem ser encontrados
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 maisModelo de Variáveis discretas. Regressão com uma variável dependente Binária. Variáveis dependentes Binárias. Modelo de Probabilidade Linear
Regressão com uma variável dependente Binária Capítulo 9 Stock e Watson. Econometria. Modelo de Variáveis discretas P(y = 1 x) = G(β 0 + xβ) y* = β 0 + xβ + u, y = max(0,y*) 1 2 Variáveis dependentes Binárias
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisQuantis residuais. Luziane Franciscon Acadêmica de Estatística Universidade Federal do Paraná
Quantis residuais Luziane Franciscon Acadêmica de Estatística Universidade Federal do Paraná Orientador: Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Resumo Uma etapa importante
Leia maisTeste F-parcial 1 / 16
Teste F-parcial Ingredientes A hipótese nula, H 0, define o modelo restrito. A hipótese alternativa, H a : H 0 é falsa, define o modelo irrestrito. SQR r : soma de quadrado dos resíduos associada à estimação
Leia maisModelos Lineares Generalizados - Família Exponencial
Modelos Lineares Generalizados - Família Exponencial Erica Castilho Rodrigues 25 de Março de 2014 3 No modelo de Regressão Linear temos que onde Y i N(µ,σ 2 ) E(Y i ) = µ i = x T i β Yi são independentes;
Leia maisEstatística II Licenciatura em Gestão. Parte I
Estatística II Licenciatura em Gestão 1 o semestre 2015/2016 ER - 03/02/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circunstância, é motivo suficiente para
Leia maisModelos Lineares Generalizados - Família Exponencial
1 Modelos Lineares Generalizados - Família Exponencial Erica Castilho Rodrigues 10 de Maio de 2017 2 3 No modelo de Regressão Linear temos que onde Y i N(µ,σ 2 ) E(Y i ) = µ i = x T i β Yi são independentes;
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisAULA 17 - Variáveis binárias
AULA 17 - Variáveis binárias Susan Schommer Econometria I - IE/UFRJ Variáveis binárias A variável binária (ou dummy) é um simples exemplo de variável aleatória, o qual é chamada de função indicadora de
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ. Adi M. A. Junior Leonardo H. B. Krüger Kristiany J. Martini Konstanz T. Winter
UNIVERSIDADE FEDERAL DO PARANÁ Adi M. A. Junior Leonardo H. B. Krüger Kristiany J. Martini Konstanz T. Winter ESTUDO DO NÚMERO DE PONTOS EFETUADOS EM UMA TEMPORADA DE BASQUETEBOL CURITIBA 27 de novembro
Leia maisb χ 2 (a 1)(b 1), sob H 0,
ISTITUTO SUPERIOR DE AGROOMIA ESTATÍSTICA E DELIEAMETO 3 de ovembro, 014 PRIMEIRO TESTE 014-15 Uma resolução possível I Tem-se uma tabela de contingências de dimensão 4. 1. O problema colocado corresponde
Leia maisAssociação entre duas variáveis
Associação entre duas variáveis Questões de interesse: Será que duas variáveis são independentes ou pelo contrário dependentes? E se forem dependentes, qual o tipo e grau de dependência? Existem diversas
Leia maisAMOSTRAGEM COMPLEXA. Bases de Dados IAN-AF Tutorial para análise ponderada recorrendo aos softwares SPSS e R
AMOSTRAGEM COMPLEXA Bases de Dados IAN-AF Tutorial para análise ponderada recorrendo aos softwares SPSS e R 1 Conteúdo Nota introdutória... 3 1. Software SPSS... 4 2. Software R... 16 Referências [1] R
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
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 mais4 Metodologia. Wt = W 0 exp{(l/k)(1-e-kt)} (8)
4 Metodologia Serão apresentadas duas formas de se estimar a persistência. A primeira é de forma mais agregada e se utiliza de dados em forma de triângulos de run-off e é conhecida como Chain Ladder, uma
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 maisModelo de regressão estável aplicado a econometria
Modelo de regressão estável aplicado a econometria financeira Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br 1 Objetivos
Leia maisEconometria Lista 1 Regressão Linear Simples
Econometria Lista 1 Regressão Linear Simples Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 (2.9 do Wooldridge 4ed - Modificado)
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Modelos de regressão É usual estarmos interessados em estabelecer uma relação entre uma variável
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisEstatística Descritiva (III) Associação entre Variáveis
Estatística Descritiva (III) Associação entre Variáveis 1 Associação entre variáveis qualitativas Tabelas de Contingência 2 Podemos construir tabelas de frequências conjuntas (tabelas de contingência),
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
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 - Métodos de Estimação
Modelos Lineares Generalizados - Métodos de Estimação Erica Castilho Rodrigues 07 de Abril de 2014 3 Componentes dos MLG s Os MLG s são compostos por duas partes: componente sistemático e componente aleatório.
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 mais