GAM. Ilka Afonso Reis
|
|
- Armando Henriques Sá
- 7 Há anos
- Visualizações:
Transcrição
1 GAM Ilka Afonso Reis
2
3 Modelo Estatístico O objetivo de um modelo estatístico é fornecer a base matemática para responder às seguintes questões: As variáveis preditoras/explicativas explicam adequadamente a variável resposta? O relacionamento entre a resposta e as variáveis preditoras/explicativas é significante? (Guisan et al., )
4 Roteiro Conceitos Básicos de Probabilidade Regressão Linear Regressão com dados binários Regressão com dados de contagem Modelos Lineares Generalizados (GLM) Exemplo dos répteis (Guisan and Hofer, ) Modelos Aditivos Generalizados (GAM)
5 ! "! # $$ %"&'()* +,-)./0!!.1! *2-3.4 *2 3 +,) 5 6!.1!. * : * ;: +,). '( *<
6 ! "! # $$ =>1..*? % 1 *)@ * 2+A*B = * 1? %C!*) *2+A'*D@ * ( B2%A*B
7 ! "! # $$ =,.. $$! 0! *? E$/F # $$ G # $$6! #A*2HI@B2@ H '-D@( -DH 3H23- $/F. $$* Prob[Y=y] Y
8 ! "! # $$ ) N y N y P[ Y = y µ ] = µ (1 µ ) y 3H2 3-33; +A*I@B2 ;@ %A*I@B2;@'-D@( ) P[ Y = y µ ] = µ y! y µ e 3H Prob[Y=y] Prob[Y=y] Y Y # '@2(
9 ! "! # $$ %A*I@3B2 2 ( y µ ) f ( y µ, σ ) e σ, y σ 2π = R
10 G +6! %". )*'* - 3* 3* 393* ; ( +A* B2@ ; %AY B2 2 G )* 2@J 3 +A B2%A B2 2
11 G +6! )F K %". )*3'* - 3* 3* 393* ; (3*1 %",.!)L3'L - 3L 3L 393L ; ( G )* 2@ J 3 +A B2%A B2 2 J - L * 2 J - L J G F KG5.) * 2 J - L- J L J L J9J. L. J G )+A* IL- 3L 393L. B2@ 2
12 G +6! )F K 6! %". )*3'* - 3* 3* 393* ; (3*1' -( %",.!)L-3L3L! G )+A* I B2@ 2 J - L- J L J - R +!! 3 2'@ ( M 5 = 2'@ (3@ 2 D- ' ( " #
13 F K 6!)/F /F =N/F ) g( x) x = ln 1 x ;.F '@ ( = N/F ) g x µ i '/F ηi = ln (3 1 µ i µ i = g η = i ( i ) + e η =G F K 6!) 1 ( ) = Φ ( x) $ O µ i ln = β + β X1 + β X 2 + β X 3 1 µ i x Φ 1 ( x) 0 1 i 2 i 3 i
14 F K 6!)! Pg(µ i ) N )K!; Q KG'R PN,(
15 G +6! )F # %". )*3'* - 3* 3* 393* ; (3*1#'*( %",.!)L-3L3L3L8 G )+A* I B2@! 2 J - L- J L J L J 8 N/F /F )η = ln( µ ) i i R G F # ln( µ ) = β + β X1 + β X 2 + β X 3 + β X 4 i 0 1 i 2 i 3 i 4 i µ i = e β β β β β + X 1 + X 2 + X 3 + X i 2 i 3 i 4 i
16 G KQS 'QKG( =; TU $'-V( W 1 1!!!.. $ 'Q KG( = QKG! 6!!,F!"! X0!. Q KG) -. &. "! N/F /F
17 QKG). & = %". * W W W,.!.S = *$/F!!.!Y 6,.! = $/Z; 3Q ; [.! 6 4 =... /Z4 =# ;.!
18 QKG). "! %",.!'. (. = J - L-J LJ LJ9
19 QKG)N/F K/F = N/F 6W. Y 1 ". = 2'@ (@ 2 D- ' ( = D- '.(1!P ; # Q ; [ N )K!; Q KG'R PN,(
20 QKG)! s? = G1 G",% P/ ' ( n l( y; µ, φ ) = p( y ; µ, φ) N/F % P/ i= 1 i [ ] [ i ] L( y; µ, φ ) ln l ln p( y ; µ, φ) n = = i= 1 K D P/ P! H W,S K'H4@(?
21 G1 G",% P/ =+,) n i= 1 n i= 1 ( y 1 ) i yi L( y; µ ) = ln µ (1 µ ) [ yi µ + yi µ ] = ln( ) (1 )ln(1 ) n µ = y i ln + ln(1 µ ) i= 1 1 µ log.ver mu. W 2- H2' ( Y = n i = 1 n y i + G", % P/ N/F $/Z *W! W,S K
22 QKG)G1 G",% P/ +,)". *3./0! -. & ) '*2 -(. "! ) ",.!)L-3L3L9 2 J - L- J L J L J9. L. N/F K/F i= 1 µ i ηi = ln 1 µ i n µ L y µ x x y i + µ i i= 1 1 µ i i ( ;, 1, 2,...) = ln ln(1 ) n ( ) i η e η = yiη i i + ln(1 + ) '/F ( $ +!. \W,S K
23 QKG)% # % ) ˆ β0, ˆ β ˆ ˆ ˆ 1, β2, β3,..., β p ˆ η = ˆ β + ˆ β X1 + ˆ β X2 + ˆ β X ˆ β Xp i 0 1 i 2 i 3 i p i %..+A* I B) = g 1 ˆi µ ˆi η ( ) +,)G! /F 3 $ ˆ µ i = g ( ˆ ηi ) = ˆ ηi = ( ˆ ˆ ˆ ˆ ˆ 1 e β0 + β1x1 i + β2x2 i + β3x3 i βpxp + i ) 1 + e
24 QKG)!"# Vários modelos podem ser ajustados a um mesmo conjunto de dados com observações de n indivíduos =G ) η = β i 0 =G ) η = β + β X1 + β X 2 + β X β Xn i 0 1 i 2 i 3 i n i = G " ) η = β + β X1 + β X β Xp, p < n i 0 1 i 2 i p i
25 QKG)!"# % D P/)L G 'M. ( G!,.! n = [ ˆ µ = φ ] L ln p( y ; y, ) S i i i i= 1 L n = [ p y ˆ µ φ ] ln ( ;, ) p i i i= 1!"# D = 2( L L ) p S p A deviance mede o valor do desvio entre o ajuste do modelo com p preditores e o modelo de ajuste perfeito.
26 QKG)!"#.!) [ ˆ = ] d = ln p( y ; µ y, φ ) ln p( y ; ˆ µ, φ) 2 i i i i n i i p D p n = 2 d i= 1 2 i Para o modelo de regressão linear, para o qual a função de ligação é a função identidade, n 2 p = ( i ˆi ) = SSRes i= 1 D y µ Assim, diz-se que a deviance é a generalização da soma de quadrados dos resíduos (SSRes) da regressão linear.
27 QKG)!"# No modelo de regressão linear, temos SSTotal - SSRes SSRes SSReg =1- = =R SSTotal SSTotal SSTotal 2 #! /F. W 1,.!. Com os GLM, podemos pensar em algo semelhante: D - D D = 1 D modelo nulo modelo com p explicativas modelo com p explicativas modelo nulo D modelo nulo #! /F. W1,.!.
28 QKG) "# = O. D P/ 'L S ( =O!... D P/'L p ( W L S = " $".W? %#!"# O φ 2 χn p OM3! 1.W? S 2( L ) S Lp Dp 2 = = φ p n p 1.C.F $/F * $/F > DW! (n-p) $ φ ~ χ
29 QKG) "# ] )/F D P/! ] - )/F D P/! # 6α!C!) > DW ^ =!. #.! '-Dα( WDW! (n-p) $ s χ 2 p n p; α 3F M] α
30 QKG)/F G = /F ".. "# = /F "#1 F!!? X SF % P/ Λ = Λ = LR = 2 2ln( LR) ~ χ p q S S ~ χ 2 q p p q l( y; ˆ µ, φ) l ( y ; ˆ µ, φ) p q G G
31 GLM : Seleção de Modelos ] ) /F " %!! ] - ) /F " %!! Λ = Λ = 2 2ln( LR) ~ χ p q S S ~ χ 2 q p p q > DW λ 2 χ 3MD] p q; α α_!c!
32 Artigo: Guisan and Hofer (2003) Predicting reptile distributions at the mesoscale: relation to climate and topography O$M )+,. "!.!. $/F 1. 6/ G1 )QKG. %" #./0! 1. &-` "!"!. "! O $/Z) 2 &
33 Artigo: Guisan and Hofer (2003). QKG) -. & ) Y ( ). "! ) 1, se espécie presente = 0, caso contrário Y ~ Binomial 1, µ Bernoulli( µ ) y 1 y P[ Y = y µ ] = µ (1 µ ), y = {0,1} E[ Y` µ ] = µ #!"! η = β + β VC1 + β VC2 + β VC3... C i 0 1 i 2 i 3 i #. "! N/F /F ) T η = β + β VC1 + β VC2 + β VC3... i 0 1 i 2 i 3 i µ i ηi = ln 1 µ i
34 Artigo: Guisan and Hofer (2003) +1 ) For each species, final models included only those terms, quadratic or linear, which satisfied two criteria: (i) to be significant at the ^confidence level from a chi-square test of deviance reduction (the deviance is similar to the variance in the case of ML methods), and Λ = S S ~ χ 2 1 p p 1!"# '.2-(!"# &! " '.2 ( α2 ^3MDP.& F!C! 2 /F 8 χ 1; α = 0.05
35 Artigo: Guisan and Hofer (2003) (ii) to explain at least -_ of the deviance (total). D > D modelo só com a variável modelo nulo
36 )Guisan and Hofer (2003)
37 Artigo: Guisan and Hofer (2003) # ˆ µ i = g ( ˆ ηi ) = ˆ ηi = ( ˆ ˆ ˆ ˆ ˆ 1 e β0 + β1x1 i + β2x2 i + β3x3 i βpxp + i ) 1 + e ˆµ 1. $$./.1! E/F. ). W ˆµ! W.F 1./.1!? ˆµ
38 Artigo: Guisan and Hofer (2003) #! 3 $!! #/. 0!. X #/ $ $ J$ 0! $!!J X J! $J ;2J$J!J kappa a + d 1 ( a + b)( a + c) ( b+ d)( c + d) + prop( acerto ) obs prop( acerto ) esp N N N N = = 1 prop( acerto ) esp 1 ( a + b)( a + c) ( b+ d)( c + d) 1 N + N N
39 )Guisan and Hofer (2003)
40 G QS 'QG(
41 G QS 'QG( O! g(µ).. 1 #!! F D3.. G QS 'QG(
42 G QS 'QG( O Q GF,F Q KG3 W. 1!! = f ( X1) f ( X 2) f ( X3)... η β f 1, f 2, f 3 39F a #a3. b $, /Z ff!. 1 F D.1!
43 G QS 'QG( G1 S/F ) j { Ni } = &' '()3 f ( X i ) = Ni 7; :1SP/. x i = G & = F & y j =%!5$! = F!.
44 QG),. '] TX$P3-VV( kyphosis.0ou probs ch.p ).P W..! kyphosis$age kyphosis$age *)./0! `H.P!/ kyphosis.0ou probs # ) kyphosis$number kyphosis$number =')'( Y.!! =() 1$ kyphosis.0ou probs =%) kyphosis$start kyphosis$start
45 logitos logitos logitos QG),. s(age, 2) kyphosis$age s(number, 2) kyphosis$number s(start, 2) kyphosis$start Age Number Start Call: gam(formula = Kyphosis ~ s(age, 2) + s(number, 2) + s(start,2), family = binomial, data = kyphosis, trace = TRUE) DF for Terms and Chi-squares for Nonparametric Effects AIC: Df Npar Df Npar Chisq P(Chi) (Intercept) 1 s(age, 2) s(number, 2) s(start, 2)
46 kyphosis$number kyphosis$number Q G),. ' M( kyphosis.0ou logitos kyphosis$age kyphosis$age kyphosis.0ou logitos kyphosis$start kyphosis$start kyphosis.0ou logitos
47 Um modelo só pode ser tão bom quanto os dados que o geraram.
48 0! =Q3T] d'(#!.$ P!)!..PH) *3()3 --8 = Q 33+ 3X T]3X'(Q S S.!$ )P!+## 3-3-^DV =]3XX$P3'-VV('" P. ] = G! P3#T;3R'-VV( P.T]3;* ` =;3RTU $3U G'-V(Q S 3 ),*%#%#*-%'*(+38
49 #,
50 QKG)6,.! = d $/F. $$.! Y 6,.! f(y;θ,), θ 1.C 3.!! O =/Z$'(!'(F! P!<3.! P! =[ '(1!! M WF..θ
51 QKG)6,.! G N y N y P[ Y y] exp ln (1 ) I A y y µ µ = = θ 1 N y N y P[ Y = y] = (1 ), A {0,1, 2,3,.., N} y µ µ = ( ) N = expln + y ln{ µ } + ( N y)ln{1 µ } I A( y) y µ N = expy ln + N ln{1 µ } + ln I A( y) 1 µ y yθ µ θ = ln 1 µ b(θ) c(y;) x ln 1 x 1#.#
52 QKG)6,.! =#.!) =+,) ( θ ) b( θ ) = N ln 1 + e e a( φ) = 1 θ e 1 b '( θ ) = N = N = Nµ θ θ 1+ e 1+ e b '( θ ) b '( θ ) b '( θ ) = N 1 = Nµ (1 µ ) N N
53 1 `` GW M AIC = 2 k ln( l) ( ) l 1 /F P/! k.c > AIC3P M
MODELOS 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 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
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 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 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 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 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 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 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 maisMLG. 16 de outubro de Curso de Modelos Lineares Generalizado - DEST/UFMG Marcos Oliveira Prates. Marcos Oliveira Prates
MLG Curso de Modelos Lineares Generalizado - DEST/UFMG 16 de outubro de 2017 Modelo Linear Generalizado Família Exponencial Seja Y a variável de resposta. A distribuição de Y é membro da família exponencial
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 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 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 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 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 maisSoluções da Colectânea de Exercícios
Soluções da Colectânea de Exercícios (Edição de Fevereiro de 2003) Capítulo 1 1.1 d) x = 3.167; s = 0.886 (dados não agrupados) e) mediana = x = 3.25; q 1 = 2.4 ; q 3 = 3.9 1.2 a) x = 2.866 ; x = 3; moda
Leia maisModelos Lineares Generalizados - Análise de Resíduos
Modelos Lineares Generalizados - Análise de Resíduos Erica Castilho Rodrigues 28 de Junho de 2013 3 Assim como em Regressão Linear, também precisamos fazer Análise de Resíduos para os MLG s. São semelhantes
Leia maisModelos Lineares Generalizados - Análise de Resíduos
Modelos Lineares Generalizados - Análise de Resíduos Erica Castilho Rodrigues 15 de Maio de 2014 Tipos de Resíduos 3 Assim como em Regressão Linear, também precisamos fazer Análise de Resíduos para os
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 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 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 maisModelagem de dados complexos por meio de extensões do modelo de
Modelagem de dados complexos por meio de extensões do modelo de regressão clássico Luiz R. Nakamura Departamento de Informática e Estatística Universidade Federal de Santa Catarina luiz.nakamura@ufsc.br
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 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 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 maisSoluções da Colectânea de Exercícios
Soluções da Colectânea de Exercícios (Edição de Fevereiro de 2003) Capítulo 1 1.1 d) x = 3.167; s = 0.886 (dados não agrupados) e) mediana = x = 3.25; q 1 = 2.4 ; q 3 = 3.9 1.2 a) x = 2.866 ; x = 3; moda
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisLista 1 - Gabarito. Prof. Erica Castilho Rodrigues Disciplina: Modelos Lineares Generalizados. 29 de Abril. f(y i, θ i ) = θ i exp( yiθ i ).
Lista 1 - Gabarito Prof. Erica Castilho Rodrigues Disciplina: Modelos Lineares Generalizados 29 de Abril 1. (Concurso Petrobrás - 2011) Em um modelo de regressão logística, o que indica se o modelo se
Leia mais1 S S. Errata do Livro Introdução à Física Estatística, IST Press (atualização de 4 fevereiro 2015) Cap 1:
Errata do Livro Introdução à Física Estatística, IST Press (atualização de 4 fevereiro 05) Cap : Pag, última expressão (.3..4): substituir σ L = l por δ n = Pag 3, linha 7 a contar do fim: substituir k
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 - 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 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 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 maisEstimador de Máxima Verossimilhança Estudo de Caso - Regressão Poisson
Estimador de Máxima Verossimilhança Estudo de Caso - Regressão Poisson Wagner Hugo Bonat - LEG/DEST, UFPR 1 Resumo: Este texto descreve de forma rápida o processo de estimação baseado em Verossimilhança
Leia maisINFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE
INFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE A análise de deviance é uma generalização, para modelos lineares generalizados, da análise de variância. No caso de modelos lineares, utiliza-se
Leia maisINTRODUÇÃO A ECONOMETRIA
INTRODUÇÃO A ECONOMETRIA Análise de regressão e uso do Eviews Introdução O modelo de regressão linear se utiliza para estudar a relação que existe entre uma variável dependente e uma ou várias variáveis
Leia maisAULA 7 - Inferência em MQO: ICs e Testes de
AULA 7 - Inferência em MQO: ICs e Testes de Hipóteses Susan Schommer Econometria I - IE/UFRJ Nosso primeiro objetivo aqui é relembrar a diferença entre estimação de ponto vs estimação de intervalo. Vamos
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 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 maisExercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UnB FUB/03 fa 5 4 3 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B corresponde ao quartil central (Q ) da distribuição
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 maisModelos Matemáticos e Aplicações Modelos Lineares Generalizados
Modelos Matemáticos e Aplicações Modelos Lineares Generalizados Jorge Cadima Matemática (DCEB), Instituto Superior de Agronomia (UL) 2015-16 J. Cadima (Matemática/ISA) Modelos Matemáticos 2015-16 1 / 212
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 maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
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 maisCap 7 Modelo de Cox. Outline. 2 Cap 2 O tempo. 3 Cap 3 Funções de Sobrevida. 5 Modelo de Cox. Carvalho MS (2009) Sobrevida 1 / 22
Outline Cap 7 Modelo de Cox 1 Cap 1 Introdução 2 Cap 2 O tempo 3 Cap 3 Funções de Sobrevida 4 Cap 4 Não-Paramétrica 5 Modelo de Cox Carvalho MS (2009) Sobrevida 1 / 22 Riscos Proporcionais Cap 7 Modelo
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 maisMIEEC Probabilidades e Estatística 1 a Chamada 10/01/2008. Parte Prática
MIEEC Probabilidades e Estatística 1 a Chamada 1/1/8 Parte Prática Resolução 1. Definição dos acontecimentos: T 1 Cliente do operador Ptel 1 T Cliente do operador Ptel T 3 Cliente do operador Ptel 3 S
Leia maisEstatística Básica. 13 de maio de 2009
13 de maio de 2009 1 2 3 4 5 Tipos de Testes Exemplos Teste para amostras independentes com variâncias iguais Teste para amostras independentes com variâncias diferentes Teste para amostras dependentes
Leia mais5.3 Experimentos fatoriais a dois fatores. Ambos os fatores são supostos fixos e os efeitos de tratamento são definidos como desvios da média tal que
5. Experimentos Fatoriais 5.3 Experimentos fatoriais a dois fatores. Modelo de Efeitos Y ijk = µ+τ i +β j +(τβ) ij +ɛ ijk, i = 1, 2,..., a j = 1, 2,..., b k = 1, 2,..., n Ambos os fatores são supostos
Leia maisMais sobre Modelos Continuos
Mais sobre Modelos Continuos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Transformação Linear da Uniforme Seja X uma variável aleatória
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 maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
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 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 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 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 Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisFRANCISCO REGILSON SOUZA MODELAGEM DE EXPERIMENTOS PLANEJADOS COM RESPOSTAS DISCRETAS
FRANCISCO REGILSON SOUZA MODELAGEM DE EXPERIMENTOS PLANEJADOS COM RESPOSTAS DISCRETAS LAVRAS - MG 2013 FRANCISCO REGILSON SOUZA MODELAGEM DE EXPERIMENTOS PLANEJADOS COM RESPOSTAS DISCRETAS Tese apresentada
Leia maisEconometria. Econometria ( ) O modelo de regressão linear múltipla. O modelo de regressão linear múltipla. Aula 2-26/8/2010
Aula - 6/8/010 Econometria Econometria 1. Hipóteses do Modelo de RLM O modelo de regressão linear múltipla Estudar a relação entre uma variável dependente e uma ou mais variáveis independentes. Forma genérica:
Leia maisMétodos Quantitativos
Métodos Quantitativos Unidade 4. Estatística inferencial Parte II 1 Sumário Seção Slides 4.1 Correlação entre variáveis quantitativas 03 11 4.2 Teste de significância 12 19 4.3 Regressão linear 20 27 4.4
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 maisJorge Helder Pereira dos Santos. Modelos Para Dados de Contagem com Excesso de Zeros. Universidade do Minho Escola de Ciências
Universidade do Minho Escola de Ciências Jorge Helder Pereira dos Santos Modelos Para Dados de Contagem com Excesso de Zeros UMinho 2013 Jorge Helder Pereira dos Santos Modelos Para Dados de Contagem com
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 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 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 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 maisEstatística de Teste: Decisão: p α Rejeita-se H 0. Hipóteses: Ǝ i,j σ 1 σ 2 i,j=1,,k. Estatística de Teste: Decisão: p >α Não se rejeita H 0
Normalidade: H 0: Y i~n(µ i, σ i) H 1: Y i N(µ i, σ i) (i=1,,k) Estatística de Teste: (p=valor p-value) Se n < 50 Teste Shapiro-Wild Se n > 50 Teste Kolmogorov-Smirnov Homogeneidade p α Rejeita-se H 0
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Modelação estatística Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Modelação estatística Conceitos básicos de modelação estatística Modelação - identificação
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
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 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 maisALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. Prof.: Idemauro Antonio Rodrigues de Lara
1 ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Prof.: Idemauro Antonio Rodrigues de Lara 2 Modelos de variáveis aleatórias discretas 1. Distribuição Uniforme Discreta 2. Distribuição Binomial
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Julgue os itens que se seguem, acerca da estatística descritiva. 51 Na distribuição da quantidade de horas trabalhadas por empregados de certa empresa, é sempre possível determinar
Leia maisRevisões de Matemática e Estatística
Revisões de Matemática e Estatística Joaquim J.S. Ramalho Contents 1 Operadores matemáticos 2 1.1 Somatório........................................ 2 1.2 Duplo somatório....................................
Leia maisUniversidade Federal de São Carlos Centro de Ciências Exatas e Tecnologia Programa de pós-graduação em Estatística
Universidade Federal de São Carlos Centro de Ciências Exatas e Tecnologia Programa de pós-graduação em Estatística Título Comparação do desempenho de Modelos Lineares Generalizados (MLG) e Modelos Aditivos
Leia maisAula 4. Aula de hoje. Aula passada
Aula 4 Aula passada Função de distribuição Bernoulli Sequência de v.a. Binomial, Geométrica, Zeta Valor esperado Variância Distribuição conjunta Independência de v.a. Aula de hoje Valor esperado condicional
Leia maisANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS
ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS Nível de significância No processo de tomada de decisão sobre uma das hipóteses levantadas num estudo, deve-se antes de tudo definir
Leia maisProbabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05
Departamento de Matemática Secção de Estatística e Aplicações - IST Probabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05 3 o Teste 4/6/2005 9h O Teste que vai realizar tem a duração total
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
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 maisModelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais
Luiz Henrique Abreu Dal Bello Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais Tese de Doutorado Tese apresentada como requisito parcial para obtenção do título de Doutor
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 maisTeste de hipótese de variância e Análise de Variância (ANOVA)
Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Modelos explicativos estatísticos Modelos estatísticos visam descrever
Leia maisP.62, Exerc. 1.3: Trocar as posições de tipo AB e tipo O.
ERRATA Segue-se uma lista de correcção de erros de digitação que não inclui os que violam regras de pontuação. Os nossos agradecimentos a todos aqueles que nos comunicaram os erros que foram detectando
Leia maisHomocedasticidade? Exemplo: consumo vs peso de automóveis
REGRESSÃO Análise de resíduos Homocedasticidade? Exemplo: consumo vs peso de automóveis 60 50 Consumo (mpg) 40 30 0 10 0 1500 000 500 3000 3500 4000 4500 Peso 0 Diagrama de resíduos 15 10 Resíduos 5 0-5
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisTeste de hipótese de variância e Análise de Variância (ANOVA)
Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Testes sobre variâncias Problema: queremos saber se há diferenças estatisticamente
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 09
Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
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 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 maisEconometria. Econometria MQO MQO. Resíduos. Resíduos MQO. 1. Exemplo da técnica MQO. 2. Hipóteses do Modelo de RLM. 3.
3. Ajuste do Modelo 4. Modelo Restrito Resíduos Resíduos 1 M = I- X(X X) -1 X Hipóteses do modelo Linearidade significa ser linear nos parâmetros. Identificação: Só existe um único conjunto de parâmetros
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 mais3 Modelos para o Cálculo de IBNR
3 Modelos para o Cálculo de IBNR 3.1 O Método de Mack Tomas Mack em (24) propõe um modelo probabilístico para o método Chain Ladder que fornece estimativas de provisão idênticas à técnica Chain Ladder
Leia maisModelos lineares generalizados: aplicação a dados de acidentes rodoviários
UNIVERSIDADE DE LISBOA FACULDADE DE CIÊNCIAS DEPARTAMENTO DE ESTATÍSTICA E INVESTIGAÇÃO OPERACIONAL Modelos lineares generalizados: aplicação a dados de acidentes rodoviários Dissertação Mestrado em Gestão
Leia maisEleições Legislativas, Comportamento Parlamentar e Modelos de Efeitos Fixos
1 Eleições Legislativas, Comportamento Parlamentar e Modelos de Efeitos Fixos Ernesto F. L. Amaral Magna M. Inácio 14 de outubro de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho
Leia mais