CE225 Modelos Lineares Generalizados
|
|
- Sophia Rocha Cesário
- 7 Há anos
- Visualizações:
Transcrição
1 CE225 Modelos Lineares Generalizados 1
2 "Todos os modelos são errados; alguns modelos são úteis" George Box ( ) 2
3 Objetivo da disciplina Apresentar ao aluno a teoria e aplicações dos Modelos Lineares Generalizados, propostos originalmente em Nelder e Wedderburn (1972), que configuram extensões dos modelos lineares clássicos (com erros normalmente distribuídos) e que permitem analisar a relação funcional entre um conjunto de variáveis independentes e uma variável aleatória dependente com distribuição pertencente à família exponencial de distribuições. A família exponencial contempla, dentre outras, as distribuições normal, exponencial, gama, normal inversa, Poisson, binomial e binomial negativa. Na sequência são descritos alguns dos problemas que serão analisados, ao longo do semestre, usando elementos de Modelos Lineares Generalizados. 3
4 Exemplos de motivação 4
5 Exemplo 1 Análise da resistência de uma nova fibra sintética usada na produção de camisas. Sabendo-se que a resistência da fibra é afetada pela quantidade de algodão utilizada, e que a quantidade de algodão no produto final, de acordo com as características desejadas, deve estar no intervalo de 10 a 40%, um experimento é delineado com cinco réplicas (amostras de tecidos) para cinco diferentes especificações referentes à quantidade de algodão. Variável resposta: Resistência da fibra (em libras/pol 2 ). Variável explicativa: Porcentagem de algodão no tecido, com cinco níveis: 15, 20, 25, 30 e 35%. 5
6 Dados Quadro 1 Dados de resistência (em libras/pol 2 ) para o experimento de fibra sintética. Porcentagem Amostra de tecido de algodão Objetivos: Avaliar o efeito da porcentagem de algodão na resistência da fibra sintética; Identificar a porcentagem ideal de algodão de forma a se obter máxima resistência. 6
7 25 20 Resistência da fibra Porcentagem de algodão Figura 1 Gráfico de dispersão para as resistências das fibras sob cinco porcentagens distintas de algodão. 7
8 Exemplo 2 Amostras de 20 insetos (Heliothis virescens - praga do algodão) foram expostas a doses crescentes do cipermetrina, dois dias depois da emergência da pupa (Collet, 2002). Após 72h, foram contados os insetos mortos. Variável resposta: Número de insetos mortos. Variáveis explicativas Dose de cipermetrina: 1, 2, 4, 8, 16, 32 u.m.: Sexo do inseto (macho ou fêmea). 8
9 Quadro 2 Números de insetos mortos em amostras de 20 insetos machos e fêmeas submetidos a doses crescentes de cipermetrina. Dose Nº insetos mortos Log2(Dose) Machos Fêmeas 1, , , , , ,
10 Objetivos: Propor um modelo que descreva o aumento na mortalidade dos insetos segundo a dose de aplicada de cipermetrina; Comparar as curvas de mortalidade para insetos machos e fêmeas; Estimar doses letais, ou seja, doses efetivas (mortais) para uma determinada proporção p de insetos. 10
11 Machos Fêmeas Proporção de insetos mortos log(dose) Figura 2 Gráfico da proporção de insetos mortos segundo o sexo e a dose de inseticida. 11
12 Exemplo 3 - Uma população de mulheres indígenas vivendo numa região próxima a Phoenix, Arizona, foi testada para diabetes de acordo com o critério estabelecido pela Organização Mundial de Saúde. Os dados foram coletados pelo Instituto Nacional de Diabetes e Doenças Digestivas e Renais dos EUA. São considerados os dados referentes aos 532 registros completos. Variáveis explicativas Gestações - número de gestações; GlicOral - concentração de glicose no plasma no teste de tolerância à glicose oral. Pressão - pressão arterial diastólica (mm Hg). Prega - espessura da prega tricipital (mm). IMC - índice de massa corporal (peso/altura 2 ). Pedigree - função pedigree diabetes. Idade - idade em anos. Variável resposta Diagnóstico diagnóstico de diabetes de acordo com o teste de Glicemia em Jejum. 12
13 Notas: O Teste Oral de Tolerância à Glicose (também conhecido como Curva Glicêmica) é feito da seguinte maneira: a pessoa com suspeita de diabetes ingere 75g de glicose diluída em água. Após duas horas de espera, é feita a coleta de sangue para medir a taxa de glicose. Se o resultado for igual ou superior a 200mg/dl (miligramas por decilitro), o indivíduo é considerado portador de diabetes. Se a glicemia estiver entre 140mg/dl e 199mg/dl, então o diagnóstico é de pré-diabetes. 13
14 Dados - Seis primeiras linhas da base: Indiv Gestações GlicOral Pressão Prega IMC Pedigree Idade Diagnóstico Não Sim Não Não Não Sim 14
15 Objetivos: Identificar fatores associados à incidência de diabetes; Estabelecer um modelo preditivo para o diagnóstico de diabetes. 15
16 Gravidez Glicose Pressão arterial (mmhg) Espessura prega tric Não Sim Não Sim Não Sim Não Sim Diagnóstico Diagnóstico Diagnóstico Diagnóstico IMC (kg/m2) Pedigree Idade (amos) Número de pacientes Não Sim Não Sim Não Sim Não Sim Diagnóstico Diagnóstico Diagnóstico Diagnóstico Figura 3 Distribuição das variáveis explicativas segundo o diagnóstico de diabetes. 16
17 Tabela 1 Médias, desvios padrões e estatística do teste t (comparação de duas médias), para amostras independentes, para as variáveis explicativas segundo o diagnóstico Variável Diagnóstico Estatística Não Sim t Número de gestações 2,9 (2,8) 4,8 (4,0) -3,56 Glicose (oral) 113 (26) 145 (30) -7,38 Pressão diastólica 69 (11) 74 (11) -2,95 Espessura prega tricipital 27 (11) 33 (12) -3,39 Pedigree 0,41 (0,27) 0,55 (0,36) -4,51 Idade 29 (10) 37 (11) -2,70 17
18 npreg glu bp skin bmi ped age Figura 4 Matriz de gráficos de dispersão para as variáveis explicativas. 18
19 Exemplo 4 Estudo prospectivo com 100 indivíduos de pelo menos 65 anos de idade em boas condições físicas. O objetivo do estudo é tentar relacionar o número de quedas num período de seis meses com as seguintes variáveis explicativas, descritas na ordem em que aparecem na base: Variáveis explicativas: Intervenção Fator com níveis Educ : educação somente; Educ+Exerc : educação e exercícios físicos; Sexo Fator com níveis Fem : feminino; Masc : masculino; Balanço escore de equilíbrio do indivíduo, numa escala de 0 a 100 (quanto maior o escore, maior o equilíbrio; Força escore de força do indivíduo, numa escala de 0 a 100 (quanto maior o escore, maior a força). Variável resposta: Quedas número de quedas no período; 19
20 Dados - Seis primeiras linhas da base: Indiv Número Escore de Escore de Intervenção Sexo de quedas equilíbrio força 1 1 Educ+Exerc Fem Educ+Exerc Fem Educ+Exerc Masc Educ+Exerc Masc Educ+Exerc Fem Educ+Exerc Masc
21 Objetivos: Avaliar o efeito da intervenção na prevenção das quedas; Identificar características dos indivíduos associadas a um maior número de quedas. 21
22 Análise descritiva (univariada) > summary(geriatra) quedas intervenção sexo balanço força Min. : 0.00 Educ :50 Fem :47 Min. :13.00 Min. : st Qu.: 1.00 Educ+Exerc:50 Masc:53 1st Qu.: st Qu.:52.00 Median : 3.00 Median :51.50 Median :60.00 Mean : 3.04 Mean :52.83 Mean : rd Qu.: rd Qu.: rd Qu.:70.25 Max. :11.00 Max. :98.00 Max. :
23 Análise descritiva (bivariada): o Número de quedas vs intervenção; > with(geriatra,describeby(quedas, intervenção, mat = TRUE,digits=2)) item group1 vars n mean sd median trimmed mad min max range skew kurtosis se 11 1 Educ Educ+Exerc o Número de quedas vs sexo; > with(geriatra,describeby(quedas, sexo, mat = TRUE,digits=2)) item group1 vars n mean sd median trimmed mad min max range skew kurtosis se 11 1 Fem Masc
24 o Número de quedas vs nível de balanço; > with(geriatra,describeby(quedas, cut(balanço,4), mat = TRUE,digits=2)) item group1 vars n mean sd median trimmed mad min max range skew kurtosis se 11 1 (12.9,34.2] (34.2,55.5] (55.5,76.8] (76.8,98.1] o Número de quedas vs nível de força; > with(geriatra,describeby(quedas, cut(força,4), mat = TRUE,digits=2)) item group1 vars n mean sd median trimmed mad min max range skew kurtosis se 11 1 (17.9,36] (36,54] (54,72] (72,90.1]
25 Residuals vs Fitted Normal Q-Q Residuals Standardized residuals Fitted values Theoretical Quantiles Scale-Location Residuals vs Leverage Standardized residuals Standardized residuals Cook's distance Fitted values Leverage Figura 5 Gráficos para os resíduos de um modelo de regressão linear múltipla ajustado aos dados de quedas de idosos. 25
26 Exemplo 5 Dados de 4624 apólices de seguros de automóveis que registraram sinistros no período de um ano, entre 2004 e Variáveis explicativas: Valor: Valor do veículo (x dólares); Tipo: tipo de veículo, com níveis: o BUS: ônibus; o CONVT: conversível; o COUPE; o HBACK: hathback; o HDTOP: hardtop; o MCARA: trailer motorizado; o MIBUS: mini-ônibus; o RDSTR: roadster; o SEDAN; o STNWG: station wagon; o TRUCK: caminhão; o UTE: utilitário. Idade: idade do veículo, com níveis 1 (veículos mais novos), 2, 3 e 4; Sexo: sexo do motorista, com níveis: M (masculino) e F (Feminino); Area: área de residência do motorista: A, B, C, D, E e F; Idademot: idade do motorista, com níveis: 1 (mais novos), 2, 3, 4, 5 e 6. Variável resposta: Quantia: valor (somado) dos sinistros apresentados no período (variável resposta). 26
27 Objetivos: Identificar fatores associados a sinistros mais caros; Estabelecer um modelo preditivo, que sirva de base para estabelecer a tabela de preços para períodos futuros. 27
28 Dados Dez primeiras linhas da base: > head(dados2,10) Valorcar Quantia Tipo Idade Sexo Area Idademot SEDAN 3 M B SEDAN 3 F F HBACK 3 M C STNWG 3 M F STNWG 2 M F HBACK 3 F A STNWG 1 F F HBACK 4 F A STNWG 4 F B MCARA 3 M F 4 28
29 Análise descritiva (univariada): > summary(dados2) Valorcar Quantia Tipo Idade Sexo Area Idademot Min. : Min. : SEDAN :1476 1: 825 F:2648 A:1085 1: 496 1st Qu.: st Qu.: HBACK :1264 2:1259 M:1976 B: 965 2: 932 Median : Median : STNWG :1173 3:1362 C:1412 3:1113 Mean : Mean : UTE : 260 4:1178 D: 496 4:1104 3rd Qu.: rd Qu.: HDTOP : 130 E: 386 5: 614 Max. : Max. : TRUCK : 120 F: 280 6: 365 (Other): 201 > sum(dados2$quantia>15000) ### Numero de apólices que geraram mais de $ em sinistros. [1] 65 29
30 Todas as apólices com sinistros Apólices com sinistros inferiores a $ Frequência Frequência Valor dos sinistros (x$10.000) Valor dos sinistros (x$10.000) Figura 6 Distribuição dos valores dos sinistros gerados pelos segurados. 30
31 Análise descritiva (bivariada) Valores dos sinistros vs tipo de veículo: > with(dados2,describeby(quantia, Tipo, mat = TRUE,digits=2)) item group1 vars n mean sd median trimmed mad min max range skew kurtosis se 11 1 BUS CONVT COUPE HBACK HDTOP MCARA MIBUS PANVN RDSTR SEDAN STNWG TRUCK UTE
32 Valores dos sinistros vs idade do motorista: > with(dados2,describeby(quantia, Idademot, mat = TRUE,digits=2)) item group1 vars n mean sd median trimmed mad min max range skew kurtosis se
33 BUS CONVT COUPE HBACK HDTOP MCARA MIBUS PANVN RDSTR SEDAN STNWG TRUCK UTE 1 33 Valor dos sinistros x $ F M Valor dos sinistrosx $ Valor dos sinistrosx $ Idade do motorista Sexo A B C D E F Área de residência Idade do motorista Valor dos sinistrosx $ Valor dos sinistrosx $ Valor dos sinistrosx $ Valor do veículo Figura 7 Distribuição dos valores dos sinistros segundo as covariáveis (todas as apólices com sinistro).
34 Exemplo 6 Análise do desempenho de cinco tipos de turbinas de aviões. Foi conduzido um experimento com 10 turbinas de cada tipo Variável explicativa Tipo de turbina, com níveis I, II, III, IV e V. Variável resposta Tempo de vida da turbina, em milhões de ciclos até verificada a perda de velocidade. Objetivos Estimar parâmetros correspondentes às distribuições dos tempos de vida dos cinco tipos de turbinas; Comparar os tempos médios de vida, identificar quais turbinas são mais resistentes. 34
35 Dados: Turbina I II III IV V
36 Análise descritiva: Tempo até perda de velocidade (milhões de ciclos) Turbina 1 Turbina 2 Turbina 3 Turbina 4 Turbina 5 Tipo de turbina Figura 8 Distribuição dos tempos de vida segundo tipo de turbina. 36
37 > medias=with(turbdata,tapply(tempo,turbina,mean)); medias Turbina 1 Turbina 2 Turbina 3 Turbina 4 Turbina > variancias=with(turbdata,tapply(tempo,turbina,var)); variancias Turbina 1 Turbina 2 Turbina 3 Turbina 4 Turbina > cvs=sqrt(variancias)/medias;cvs # Coeficientes de variação. Turbina 1 Turbina 2 Turbina 3 Turbina 4 Turbina
A 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 maisMEDIÇÃO DA QUALIDADE DO VINHO BRANCO NORTE PORTUGUÊS
Universidade Federal do Paraná Departamento de Estatística MEDIÇÃO DA QUALIDADE DO VINHO BRANCO NORTE PORTUGUÊS CE225 - Modelos Lineares Generalizados Francielle Przibiciem de Mattos GRR20124686 Guilherme
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 maisPlanejamento de Experimentos Suposições do Modelo e Comparações Múltiplas
1 / 30 Planejamento de Experimentos Suposições do Modelo e Comparações Múltiplas Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 30 Exemplo típico: Resistência de uma nova fibra sintética
Leia maisFilho, não é um bicho: chama-se Estatística!
Paulo Jorge Silveira Ferreira Filho, não é um bicho: chama-se Estatística! Estatística aplicada uma abordagem prática FICHA TÉCNICA EDIÇÃO: Paulo Ferreira TÍTULO: Filho, não é um bicho: chama-se Estatística!
Leia maisComo montar meu conjunto de dados?
Como montar meu conjunto de dados? Eduardo Elias Ribeiro Junior Henrique Aparecido Laureano Faculdade de Medicina Universide Federal de Minas Gerais - UFMG 16 de agosto de 2016 Roteiro 1. O que é um banco
Leia maisApontamentos de Introdução às Probabilidades e à Estatística
i Índice 1. Introdução 1 1.1. Enquadramento e objectivos 2 1.2. Organização 5 1.3. Noções base da Estatística 7 1.3.1. Distinção entre população e amostra 8 1.3.2. Amostragem 10 1.3.3. Unidade estatística
Leia maisESTATÍSTICA DESCRITIVA
ESTATÍSTICA DESCRITIVA Organização Descrição Quantificação de variabilidade Identificação de valores típicos e atípicos Elementos básicos: Tabelas Gráficos Resumos numéricos Coleta de dados Há várias maneiras
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 maisSS714 - Bioestatística
SS714 - Bioestatística Silvia Shimakura silvia.shimakura@ufpr.br Página da disciplina: http://www.leg.ufpr.br/doku.php/disciplinas:ss714 ESTATÍSTICA DESCRITIVA Organização Descrição Quantificação de variabilidade
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
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 maisMetodologia Científica I Roumayne Andrade
Metodologia Científica I 2018.1 Roumayne Andrade 1- Qual das alternativas a seguir NÃO é um dos elementos geralmente utilizados para definir uma questão clínica específica que pode ser estudada por meio
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 maisMétodos Estatísticos Avançados em Epidemiologia
1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisESTATÍSTICA DESCRITIVA
ESTATÍSTICA DESCRITIVA Organização Descrição Quantificação de variabilidade Identificação de valores típicos e atípicos Elementos básicos: Tabelas Gráficos Resumos numéricos CONCEITOS BÁSICOS Variável
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula I
Técnicas Computacionais em Probabilidade e Estatística I Aula I Chang Chiann MAE 5704- IME/USP 1º Sem/2008 1 Análise de Um conjunto de dados objetivo: tratamento de um conjunto de dados. uma amostra de
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 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 maisCE071 - ANÁLISE DE REGRESSÃO LINEAR
CE071 - ANÁLISE DE REGRESSÃO LINEAR 1 Parte 1 Introdução 2 Análise de Regressão Metodologia estatística aplicada na investigação e modelagem da relação entre variáveis. Mais especificamente, a análise
Leia maisSCC0173 Mineração de Dados Biológicos
SCC073 Mineração de Dados Biológicos Análise Exploratória de Dados Parte A: Revisão de Estatística Descritiva Elementar Prof. Ricardo J. G. B. Campello SCC / ICMC / USP Tópicos Análise Exploratória de
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Análise exploratória de dados Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Análise exploratória de dados Princípios e objectivos da estatística Introdução
Leia maisAnálise de dados de Contagem
Análise de dados de Contagem Alexandre Morales Diaz Eduardo Pereira Lima Pedro Henrique Moraes Trabalho de Modelos Lineares Generalizados (CE-225), Universidade Federal do Paraná, submetido ao professor
Leia maisModelos lineares generalizados: um estudo sobre leilões de veículos
UNIVERSIDADE FEDERAL DO PARANÁ Departamento de Estatística Modelos lineares generalizados: um estudo sobre leilões de veículos CE5 - Modelos Lineares Generalizados Aline Benatti, GRR: 454 Andryas Waurzenczak,
Leia mais24/09/17. O que é uma hipótese? Testes de hipótese. Três tipos básicos de perguntas. E qual é a sua hipótese? Três tipos básicos de perguntas
O que é uma hipótese? rof. Dr. Fabio Carmona Hipótese é uma declaração a priori, ou seja, preditiva, sobre a relação entre duas ou mais variáveis. Em outras palavras, é o que se acredita que seja a resposta
Leia maisIdade (anos) n % n % , , , , , , ,167 Total
Lista suplementar 1 A questão 1 foi elaborada com base na Tese de Doutorado de Suely Godoy Agostinho Gimeno, defendida no Programa de Pós-Graduação em Saúde Pública, FSP/USP, 1996. Um dos objetivos do
Leia maisUnidade III Medidas Descritivas
Unidade III Medidas Descritivas Autor: Anderson Garcia Silveira Anderson Garcia Silveira Na aula anterior... Medidas de Tendência Central 2 Na aula anterior... Medidas de Tendência Central Moda Mediana
Leia maisCE001 Bioestatística. Prof. Cesar Augusto Taconeli. Curitiba-PR 2015
CE001 Bioestatística Prof. Cesar Augusto Taconeli Curitiba-PR 2015 Parte 2 Estatística descritiva 2 A estatística descritiva compreende técnicas (tabelas, gráficos, medidas) que permitem resumir os dados.
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 maisLista 1 de Exercícios Estatística II-CE003
Lista 1 de Exercícios Estatística II-CE003 1) Os dados abaixo mostram os primeiros, de um total 4 registros, de uma companhia seguradora. Cidade Motor Idade Segurados Sinistros 1 1
Leia maisANOVA - parte I Conceitos Básicos
ANOVA - parte I Conceitos Básicos Erica Castilho Rodrigues 9 de Agosto de 2011 Referências: Noções de Probabilidade e Estatística - Pedroso e Lima (Capítulo 11). Textos avulsos. Introdução 3 Introdução
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 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 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 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 maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39 Introdução Existem
Leia maisPARTE 1. Profa. Dra. Alessandra de Ávila Montini
PARTE 1 Programa de Pós-graduação do Departamento de Administração PPGA Agenda 2 14:00 15:30 Fundamentação Teórica 15:30 15:45 Coffee break 15:45 17:00 Fundamentação Teórica 17:00 18:00 Exercícios de Fixação
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 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 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 maisSeminários em Bioestatística
Seminários em Bioestatística Seleção de variáveis na presença de valores omissos Uma aplicação na modelação do Índice de Massa Corporal nos imigrantes africanos e brasileiros residentes em Lisboa e Setúbal
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 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 maisUNIVERSIDADE FEDERAL DO PARANÁ CURSO DE ESTATÍSTICA. Jayme Gomes dos Santos Junior Luciana Helena Kowalski
UNIVERSIDADE FEDERAL DO PARANÁ CURSO DE ESTATÍSTICA Jayme Gomes dos Santos Junior Luciana Helena Kowalski MODELAGEM DA EXPECTATIVA DE VIDA NOS MUNICÍPIOS DO PARANÁ A PARTIR DE COVARIÁVEIS DO CENSO 2010
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 maisSíndrome Metabólica no adulto jovem. Origina-se no nascimento ou na infância?
Síndrome Metabólica no adulto jovem Origina-se no nascimento ou na infância? Viviane Cunha Cardoso, Cristiane Santos, Antônio Augusto Moura da Silva, Heloísa Bettiol, Marco Antonio Barbieri FMRP/USP, UFMA
Leia maisFunção prcomp. 1. Introdução
Função prcomp 1. Introdução Apresentamos alguns exemplos de utilização da função prcomp do pacote stats em R. Esta função permite realizar uma análise de componentes principais a partir de uma matriz de
Leia maisGRUPO COPPA: ATIVIDADE INTERDISCIPLINAR NO PATOLOGIAS ASSOCIADAS BRIGITTE OLICHON LUMENA MOTTA REGINA BOSIO
GRUPO COPPA: ATIVIDADE INTERDISCIPLINAR NO CONTROLE DA OBESIDADE E PATOLOGIAS ASSOCIADAS BRIGITTE OLICHON LUMENA MOTTA REGINA BOSIO Introdução Obesidade Brasil EPIDEMIA 40% em sobrepeso 12,7% adultos obesos
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 maisMULHERES NO TRÂNSITO
MULHERES NO TRÂNSITO Segundo o Censo do IBGE 2010, a população brasileira é composta por 4 de homens e 5 de mulheres, isto é, a proporção entre os sexos é praticamente igual, porém não se pode dizer o
Leia maisUnidade III Medidas Descritivas
Unidade III Medidas Descritivas Medidas separatrizes Quantis Medidas de dispersão Amplitude total Desvio Médio Variância Desvio Padrão Coeficiente de Variabilidade Desvio Interquartílico Na aula anterior...
Leia maisINTRODUÇÃO Avaliação Morfofuncional
INTRODUÇÃO Avaliação Morfofuncional Definição de termos Critérios de autenticidade científica Noções básicas de estatística Ma. Ana Beatriz Moreira de C. Monteiro Definição de Termos Diagnóstico: Primeira
Leia maisApostila de estatística básica Minitab Organizador: Daniel Magalhães Lima. Autores:
Apostila de estatística básica Minitab Organizador: Daniel Magalhães Lima Autores: Sumário Importando dados... 3 Explorando dados Tendência central, dispersão e gráficos... 3 Teste de normalidade... 3
Leia maisTÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO
TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO Mario de Andrade Lira Junior lira.pro.br\wordpress REGRESSÃO X CORRELAÇÃO Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida
Leia maisRELAÇÃO ENTRE EXPECTATIVA DE VIDA E CARACTERÍSTICAS DOS ESTADOS NORTE-AMERICANOS ENTRE OS ANOS DE 1969 E 1970
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística RELAÇÃO ENTRE EXPECTATIVA DE VIDA E CARACTERÍSTICAS DOS ESTADOS NORTE-AMERICANOS ENTRE OS ANOS DE 1969 E 1970 CE225 -
Leia maisEstatística descritiva
Estatística descritiva Para que serve a estatística? Qual o seu principal objectivo? obter conclusões sobre a população usando uma amostra? População Amostragem Amostra Uma ou mais variáveis (X) são observadas
Leia maisCE-001: Bioestatística, turma A
CE-001: Bioestatística, turma A 1 a Prova - 2 o semestre 2004 01 de outubro de 2004 Prova 1 1. (2,0 pontos) Os dados a seguir correspondem a teores de um elemento coletados em amostras de sangue de dois
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 maisUniversidade Federal do Paraná Departamento de Estatística Disciplina CE001 Bioestatística Turma A Prof. Cesar Augusto Taconeli
Universidade Federal do Paraná Departamento de Estatística Disciplina CE001 Bioestatística Turma A Prof. Cesar Augusto Taconeli Exercício 1 - Classifique cada uma das variáveis relacionadas na sequência
Leia maisEstatística Computacional (Licenciatura em Matemática) Duração: 2h Exame NOME:
DEPARTAMENTO DE MATEMÁTICA DA UNIVERSIDADE DE COIMBRA Estatística Computacional (Licenciatura em Matemática) Duração: 2h Exame 29-06-10 NOME: Observação: A resolução completa das perguntas inclui a justificação
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 maisANEXO 2 EXERCÍCIOS MODELOS DE REGRESSÃO APLICADOS A EPIDEMIOLOGIA - MARIA DO ROSARIO D.O. LATORRE
1 ANEXO 2 EXERCÍCIOS 2 EXERCÍCIO 1 Amostra de crianças (dados hipotéticos) --------------------------------------------------- REC PESO IDADE ALTURA ---------------------------------------------------
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 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 maisDistribuições de Probabilidade
Distribuições de Probabilidade 7 6 5 4 3 2 1 0 Normal 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Temperatura do ar 20 18 16 14 12 10 8 6 4 2 0 Assimetrica Positiva 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Precipitação
Leia maisColeta e Modelagem dos Dados de Entrada
Coleta e Modelagem dos Dados de Entrada Capítulo 2 Páginas 24-52 Este material é disponibilizado para uso exclusivo de docentes que adotam o livro Modelagem e Simulação de Eventos Discretos em suas disciplinas.
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 2019 Estatística Descritiva e Análise Exploratória Etapas iniciais. Utilizadas para descrever e resumir os dados. A disponibilidade de uma grande quantidade
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 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 maisi j i i Y X X X i j 1 i 2 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 maisColeta e Modelagem dos Dados de Entrada
Slide 1 Módulo 02 Coleta e Modelagem dos Dados de Entrada Prof. Afonso C. Medina Prof. Leonardo Chwif Três Etapas Coleta Tratamento Inferência Coleta dos Dados 1. Escolha adequada da variável de estudo
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 maisCURSO DE SPSS AULA 2 MEDIDAS DESCRITIVAS. UFBA/FACED José Albertino Lordello Sheila Regina Pereira
CURSO DE SPSS AULA 2 MEDIDAS DESCRITIVAS UFBA/FACED José Albertino Lordello Sheila Regina Pereira MEDIDAS RESUMO Uma maneira conveniente de descrever um grupo como um todo é achar um número único que represente
Leia maisRECURSOS GRÁFICOS TIAGO M. MAGALHÃES. São Paulo, 10 de janeiro de 2013
XLII PROGRAMA DE VERÃO Uma Introdução à Análise Exploratória de Dados e Métodos Estatísticos RECURSOS GRÁFICOS TIAGO M. MAGALHÃES INSTITUTO DE MATEMÁTICA E ESTATÍSTICA - USP São Paulo, 10 de janeiro de
Leia maisEstatística Computacional Profª Karine Sato da Silva
Estatística Computacional Profª Karine Sato da Silva karine.sato.silva@gmail.com Introdução Quando analisamos uma variável qualitativa, basicamente, construímos sua distribuição de frequências. Ao explorarmos
Leia maisFAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES
FAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES 1 Os modelos lineares generalizados, propostos originalmente em Nelder e Wedderburn (1972), configuram etensões dos modelos lineares clássicos e permitem analisar a
Leia maisAnexo 1. Determinação do Índice de Massa Corporal* Estatuto de peso corporal <18.5 Falta de peso Normal
Anexo 1 Determinação do Índice de Massa Corporal* O índice de massa corporal (BMI) é um instrumento utilizado para determinar o estatuto de peso corporal nos seres humanos. Os seus valores variam em função
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 maisRECURSOS GRÁFICOS TIAGO M. MAGALHÃES. São Paulo, 13 de janeiro de 2014
XLIII PROGRAMA DE VERÃO Uma Introdução à Análise Exploratória de Dados e Métodos Estatísticos RECURSOS GRÁFICOS TIAGO M. MAGALHÃES INSTITUTO DE MATEMÁTICA E ESTATÍSTICA - USP São Paulo, 13 de janeiro de
Leia maisModelos Binomial e Poisson
Objetivos Motivação BIE5781 - Pós-Graduação em Ecologia USP Setembro de 2016 Objetivos Motivação Objetivo da Aula Os objetivos dessa aula são: Objetivos Motivação Objetivo da Aula Os objetivos dessa aula
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 maisTrabalho 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 maisStela Adami Vayego DEST/UFPR
Resumo 5 - Análise Bivariada (Bidimensional) 5.1. Introdução O principal objetivo das análises nessa situação é explorar relações (similaridades) entre duas variáveis. A distribuição conjunta das freqüências
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 maisMódulo VII: Estatística elementar
Módulo VII: Estatística elementar 166 Revisão 167 Palavras-chave em estatística A estatística é composta por um conjunto de métodos destinados à coleta, à apresentação, à análise e à interpretação de dados,
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 maisATIVIDADE DE REVISÃO AULA 10 EXERCÍCIOS DE REVISÃO
ATIVIDADE DE REVISÃO AULA 10 EXERCÍCIOS DE REVISÃO Caro(a) aluno(a), os exercícios abaixo foram feitos para ajudá- lo a estudar nesta última semana. Eles não vão valer nota e não precisam ser entregues.
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisMedidas de Dispersão. Prof.: Joni Fusinato
Medidas de Dispersão Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com 1 Dispersão Estatística As medidas de posição (média, mediana, moda) descrevem características dos valores numéricos
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 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 maisFunção prcomp em R. 1. Introdução
Função prcomp em R 1. Introdução Apresentamos alguns exemplos de utilização da função prcomp do pacote stats em R. Esta função permite realizar uma análise de componentes principais a partir de uma matriz
Leia maisExame Final de Métodos Estatísticos
Exame Final de Métodos Estatísticos Data: de Junho de 26 Duração: 3h. Nome: Curso: Declaro que desisto N. Mec. Regime: As cotações deste exame encontram-se na seguinte tabela. Responda às questões utilizando
Leia maisEstatística Experimental
Estatística Experimental Prof. Dr. Evandro Bona ebona@utfpr.edu.br paginapessoal.utfpr.edu.br/ebona Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. 4ª
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 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 maisPrincípios de Bioestatística Estatística Descritiva/Exploratória
1/31 Princípios de Bioestatística Estatística Descritiva/Exploratória Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/31 Descrição de Dados Variável: característica
Leia maisProbabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição
Leia mais