O USO DE MODELOS DE REGRESSÃO LOGÍSTICA PARA AVALIAÇÃO DO PROBLEMA DE EVASÃO DE ALUNOS NO CURSO DE QUÍMICA INDUSTRIAL DA UNUCET-UEG
|
|
- Edison Felgueiras Laranjeira
- 5 Há anos
- Visualizações:
Transcrição
1 O USO DE MODELOS DE REGRESSÃO LOGÍSTICA PARA AVALIAÇÃO DO PROBLEMA DE EVASÃO DE ALUNOS NO CURSO DE QUÍMICA INDUSTRIAL DA UNUCET-UEG Robson de Souza Vieira 1 ; Rogério Silva Pimentel 1 ; Emerson Wruck 2 ¹ PVIC/UEG, graduandos do Curso de Química Industrial, UnUCET-UEG ² Orientador, docente do Curso de Química Industrial, UnUCET-UEG RESUMO Este trabalho consistiu em estabelecer uma relação entre algumas características sócioculturais levantadas a partir do questionário sócio-cultural respondido pelos candidatos do vestibular e a evasão dos alunos do curso de Química Industrial da UnUCET-UEG. Utilizou-se para isso a regressão logística uma vez que, considerando a evasão como uma variável resposta dicotômica, esta regressão é a mais apropriada. Para a obtenção deste modelo aplicou-se o método de máxima verossimilhança para estimação de parâmetros e a técnica stepwise para a seleção de variáveis explicativas. As variáveis selecionadas com maior poder de predição foram: sexo, renda familiar, nível de escolaridade do pai e já ter iniciado um outro curso superior. O modelo selecionado apresentou um poder de predição de 83,178%.. Palavras chave: regressão logística, stepwise, razão de chances. Introdução O problema da evasão na universidade pública vem ocorrendo de forma intensa e, no entanto, poucos esforços têm sido realizados para buscar saná-lo ou mesmo entender seus motivos e possíveis causas. Conter a evasão na universidade pública é evitar desperdício de recurso público, contribuindo para a melhor formação do nosso povo e desenvolvimento do país. Em particular na área Química, seja licenciaturas ou bacharelados, estudos foram realizados no sentido de entender melhor o problema. (Santos,1996; Manrique & et.al,1999; Cunha & et.al, 2001 ), porém os estudos realizados procuram os motivos da evasão após o ocorrido, com entrevistas pessoais ou históricos escolares. O trabalho proposto tem como vantagem a possibilidade de estudar os casos de evasão, relacionando suas informações sócio-culturais obtidas através do questionário sócio-cultural preenchido na inscrição do vestibular, portanto sem o fator perturbador da evasão ter ocorrido. 1
2 Os modelos de regressão estabelecem relações entre uma ou mais variáveis ditas determinantes ou explicativas e variáveis de resposta ou dependentes. O modelo logístico é aplicado principalmente quando a variável de resposta apresenta-se como dicotômica, por exemplo, sucesso e fracasso. Para esta forma de variável torna-se inadequado o uso de outros modelos, como a regressão linear, pois seu intervalo de respostas Y compreende Y +. A idéia básica consiste em estabelecer uma relação entre as variáveis explicativas e torná-la linear por uma transformação denominada logito(logit) da variável resposta (HOSMER e LEMESHOW,1989; PRESS e WILSON,1986, MIRSHAWKA, 1983): A estimação dos coeficientes pode ser realizada tanto pelo método de mínimos quadrados como pelo método da máxima verossimilhança (HOSMER e LEMESHOW, 1989), deve-se dar preferência ao método de verossimilhança, pois para a regressão logística é o que fornece uma melhor estimativa (McCULLAGH e NELDER, 1989). Em geral as equações do modelo de verossimilhança são não lineares, os estimadores dos coeficientes de regressão ( βˆ ) são encontrados por métodos numéricos como os de i Newton-Raphson e escore de Fisher (HOSMER e LEMESHOW, 1989). Encontrando os βˆ, obtém-se a estimativa ˆ θ ( X ) de θ (X). i Obtido o modelo ajustado deve-se verificar quanto uma variável explicativa é importante para este. Modelos de regressão com muitas variáveis apresentam correlações entre estas e grande variância nas estimativas de seus parâmetros, sendo, portanto, mais complicados de utilizar. Dessa forma, algumas variáveis podem ser retiradas do modelo sem prejudicá-lo. Para a seleção de variáveis determinantes pode-se utilizar a técnica stepwise (MIRSHAWKA, 1983). Após a obtenção do modelo final é interessante encontrar a razão de chances (odds ratio) para as variáveis selecionadas e verificar o seu poder de predição. A razão de chance é uma medida da intensidade de associação e o seu teste consiste na razão entre as chances de ocorrência ou não de uma variável (AGRESTI, 1996). Para se verificar o poder preditivo do modelo é necessário se estabelecer o ponto de corte (pc), uma probabilidade, onde respostas maiores ou iguais a este ponto recebem a classificação de Evasão, caso contrário a resposta assume classificação de Não Evasão. Estabelecido o pc pode-se verificar a capacidade preditiva do modelo utilizado, construindo uma tabela com a condição real e a classificação segundo o modelo. 2
3 Material e Métodos Os dados sócio-culturais dos aprovados e matriculados no curso de Química Industrial da UEG para os anos de 2003, 2004 e 2005 foram cedidos pelo núcleo de seleção da UEG e a relação dos alunos evadidos foi obtida junto a secretaria da UnuCET-UEG. Foram considerados evadidos todos os alunos que fizeram matricula após o vesibular, mas com situação irregular (sem matricula) no primeiro semestre de 2007, semestre do estudo. Pôde ser verificado que para a maioria das questões há alternativas que apresentam uma maior concentração de respostas, também ocorrem alternativas semelhantes e esta foi à base para a junção de algumas, simplificando assim a associação destas aos fatores. A maioria das variáveis explicativas foi codificada como dicotômicas, associando os valores 0 ou 1, tomando sempre como referência a categoria de comparação como 0. A questão q11 (renda mensal do grupo familiar), foi construída, considerando uma relação ordinal, tomando como referência a categoria acima de 8 salários mínimos. A questão q29 (razão pela qual escolheu a UEG) foi mantida sem nenhuma alteração devido à natureza de suas alternativas, Neste caso, foram tratadas como fatores e o software as codificou como variáveis dummy (McCULLAGH e NELDER, 1989). Evadido, é a variável resposta dicotômica, e foi caracterizada como sucesso para a situação de evasão (1) e fracasso para não evasão (0). E cada qi corresponde a uma pergunta do questionário sócio-cultural. Algumas questões foram desconsideradas devido a sua irrelevância ou ausência de respostas. Para a construção do modelo completo e a obtenção do modelo reduzido por stepwise foi utilizado o Software R e seu pacote glm para família binomial, apropriados para a regressão logística (VENABLES e SMITH, 2005; DOBSON, 1990). A estrutura do comando no software R é descrita como: mod1<- glm(evadido ~ q1 + q2 + q4 + q5 + q7 + q9 + q10 + q11 + q12 + q14 + q15 + q16 + q17 + q18 + q19 + q20 + q21 + q22 + q24 + q26 + q27 + q29, family = binomial) A escolha do modelo reduzido foi baseada no critério de informação Akaike (AIC) que tem como base a estatística deviance (McCULLAGH e NELDER, 1989), implementada na função stepwise no software R. 3
4 O cálculo para as razões de chances também foi realizado no software R. Foi construída uma tabela de classificação para a avaliação do poder de predição do modelo. Para realizar a predição, foi adotado o ponto de corte pc = 0.5, ou seja, se para uma probabilidade predita de evasão pelo modelo for maior que 0.5 o aluno é classificado como evadido se for menor é classificado como não evadido. Resultados e Discussão O modelo reduzido obtido apresentou um menor valor de AIC, modelo com melhor ajuste gerado pelo stepwise, considerou como significativa 4 questões, estas questões e uma relação de seus coeficientes obtidos estão ilustrados na Tabela 1. Tabela 1. Coeficientes do modelo reduzido. Coeficientes Estimativa Std.Error z value Pr (> z ) (Intercept) e-05 q q q q Deviance Residual = AIC = Dessa maneira, a probabilidade de um aluno evadir é estimada pela relação: exp( q q q q22 ) ˆ( θ X) = 1+ exp( q q q q ) 1 As razões de chances para estas variáveis explicativas que foram selecionadas estão representadas na Tabela Tabela 2. Razão de chances para as variáveis explicativas. Questão q1 q11 q14 q22 odds ratio 2, , , , Para a questão q1, ou seja, a variável explicativa sexo, considerando as demais variáveis constantes, um aluno do sexo masculino apresenta 2,97303 mais chances de evasão que um do sexo feminino. A razão de chances para a questão q11 é relativa a renda mensal do grupo familiar indica que um aluno cuja família tenha uma renda entre 4 e 7 salários mínimos, 4
5 tem probabilidade de se evadir 2, vezes maior que um aluno de renda superior a esta, um aluno de renda inferior a 3 salários mínimos apresenta uma chance de evasão 4, vezes maior que as chances de um aluno com renda familiar superior a 8 salários mínimos. Com a razão de chances obtida para a questão q14 pode-se considerar que a chance de um aluno se evadir dado que seu pai apresenta uma formação de nível superior ou maior é 3,32093 vezes maior que as chances de evasão de um aluno, cujo pai apresenta uma formação de menor nível, por exemplo, ensino médio completo ou analfabeto. O resultado obtido para a razão de chances da questão q22 indica que o fato do aluno ter concluído ou apenas iniciado um outro curso ou e até mesmo fazer um curso simultâneo aumenta em 5, as chances deste se evadir em relação às chances de evasão de um aluno cujo curso de Química é o seu primeiro. Uma tabela de classificação está ilustrada abaixo: Tabela 3. Classificação pelo modelo. Previsto pelo Modelo Real Evasão (1) Não evasão (0) Total Evasão (1) Não evasão (0) Total A Tabela 3 indica que de um total de 107 alunos que foram analisados 25 evadiram e 82 se mantiveram no curso nos anos de 2003 a Segundo o modelo, 13 alunos deveriam ter abandonado o curso e 94, permanecido. O total de acertos em relação ao total de alunos dá o valor preditivo do modelo: Capacidade Preditiva= = 0, de 83,178%. Assim pode-se considerar que o modelo obtido tem uma capacidade de acertos Pode-se também considerar, pelos cálculos apresentados abaixo, que o modelo tem uma percentual de acertos de 76,92% quanto afirma a condição de evasão. 10 Capacidade Preditiva Evasão = = 0, Com este desempenho, considera-se o modelo bem ajustado. 5
6 Conclusão Devido ao fato da evasão ou não evasão dos alunos poder ser satisfatoriamente considerada uma variável resposta dicotômica, a regressão logística foi adequada para a construção de um modelo. A seleção de variáveis pelo método stepwise realizado no software R tornou o modelo bastante simples, reduzindo o seu número de variáveis explicativas de 18 para apenas 4. Todas estas suposições podem ser consideradas confiáveis devido ao alto poder de predição apresentado pelo modelo (83,178%). Referências Bibliográficas AGRESTI, A. An Introduction to Categorical data Analysis. New York: John Wiley & Sons,1996. CUNHA, A.M.;TUNES,E. and SILVA,R.R. Evasão do curso de Química da Universidade de Brasília: A interpretação do aluno evadido. Química Nova, Vol. 24, No.1, , DOBSON, A. J. An Introduction to Generalized Linear Models. London: Chapman and Hall, HOSMER, D.W.e LEMESHOW,S. Applied Logistic Regression. Nova York: Wiley MANRIQUE,W.B.;SILVA,R.R. e TUNES, E. Evasão do curso de Química na Universidade Federal de Goiás; Revista da III Jornada de Produção Científica das Universidades Católicas do Centro-Oeste, 139, MIRSHAWKA, Vitor. Probabilidade e estatística para engenharia. São Paulo: Nobel, McCULLAGH, P. and NELDER, J. A. (1989). Generalized Linear Models. Chapman and Hall, 2nd edition PRESS, D.J. e WILSON S. Choosing Between Logistic Regression and Discriminant Analysis. Journal of American Statistical Economics, p. 3-35, SANTOS, K.M.P.L. Avaliação emancipatória do curso de licenciatura plena em Química da Universidade Federal de Mato Grosso. Cuiabá: UFMT, p. Dissertação de Mestrado em Educação Pública. Universidade Federal de Mato Grosso. VENEABLES, W. N.; SMITH, D. M.; Modern Applied Statistics with S. New York: Springer,
Disciplina 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 maisPROGRAMA DE DISCIPLINA MÉTODOS ESTATÍSTICOS EM EPIDEMIOLOGIA 2 o. semestre de 2010
PROGRAMA DE DISCIPLINA MÉTODOS ESTATÍSTICOS EM EPIDEMIOLOGIA 2 o. semestre de 2010 Professores: Antônio Augusto Moura da Silva Carga horária: 60 horas Alcione Miranda dos Santos 1. APRESENTAÇÃO A disciplina
Leia maisPROGRAMA DE DISCIPLINA MÉTODOS ESTATÍSTICOS EM EPIDEMIOLOGIA
PROGRAMA DE DISCIPLINA MÉTODOS ESTATÍSTICOS EM EPIDEMIOLOGIA Professores: Antônio Moura da Silva Carga horária: 60 horas Miranda dos Santos 1. APRESENTAÇÃO A disciplina pretende capacitar o aluno com técnicas
Leia maisvariável dependente natureza dicotômica ou binária independentes, tanto podem ser categóricas ou não estimar a probabilidade associada à ocorrência
REGRESSÃO LOGÍSTICA É uma técnica recomendada para situações em que a variável dependente é de natureza dicotômica ou binária. Quanto às independentes, tanto podem ser categóricas ou não. A regressão logística
Leia maisPredição do preço médio anual do frango por intermédio de regressão linear
Predição do preço médio anual do frango por intermédio de regressão linear João Flávio A. Silva 1 Tatiane Gomes Araújo 2 Janser Moura Pereira 3 1 Introdução Visando atender de maneira simultânea e harmônica
Leia maisAplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante Eduardo Campana Barbosa1 Carlos Henrique Osório Silva2 Resumo: Utilizou-se a metodologia Box & Jenkins para previsão da demanda
Leia maisA formação de Estatística na Licenciatura em Matemática*
A formação de Estatística na Licenciatura em Matemática* Renan Marcel B. dos Santos (renan.marcel.santos@usp.br) SEMA FEUSP Org.: Nilson José Machado Setembro/2012 * Apoio parcial da Pró-Reitoria de Graduação
Leia maisAplicação da análise de regressão na contabilidade do custo de produção do milho
Aplicação da análise de regressão na contabilidade do custo de produção do milho Janser Moura Pereira 1 Quintiliano Siqueira Schroden Nomelini 1 Andréa Clélia da Rocha Moura 2 Nathane Eva dos Santos Peixoto
Leia maisDisciplina de Modelos Lineares
Disciplina de Modelos Lineares 2012-2 Seleção de Variáveis Professora Ariane Ferreira Em modelos de regressão múltipla é necessário determinar um subconjunto de variáveis independentes que melhor explique
Leia maisAvaliação dos processos de amostragem de inspeção para atributos no setor de matéria prima na indústria farmacêutica local
Avaliação dos processos de amostragem de inspeção para atributos no setor de matéria prima na indústria farmacêutica local Shamon Henrique Feitosa de Souza ; Emerson Wruck 2 Bolsista PBIC/UEG, graduando
Leia maisMortalidade de empresas de pequenos empreendedores no município de Parintins
RELEM Revista Eletrônica Mutações, jan jun, 2017 by Ufam/Icsez Mortalidade de empresas de pequenos empreendedores no município de Parintins Introdução FREITAS, Rafaela Gonçalves 1 Universidade Federal
Leia maisEstatística e Delineamento
Estatística e Delineamento Jorge Cadima Secção de Matemática (DCEB) Instituto Superior de Agronomia (ULisboa) 2016-17 J. Cadima (ISA) Estatística e Delineamento 2016-17 1 / 474 1 Professores: Jorge Cadima
Leia maisUNIDADE PRESIDÊNCIA/PROCC INSTITUIÇÃO FIOCRUZ/RJ SUBPROJETO - INICIAÇÃO CIENTÍFICA (PIBIC) ALGUNS DESAFIOS METODOLÓGICOS DO ELSA-BRASIL
UNIDADE PRESIDÊNCIA/PROCC INSTITUIÇÃO FIOCRUZ/RJ SUBPROJETO - INICIAÇÃO CIENTÍFICA (PIBIC) ALGUNS DESAFIOS METODOLÓGICOS DO ELSA-BRASIL Aluno: Adriana dos Santos Lima Orientador: Aline Araújo Nobre Co-orientador:
Leia maisEDITAL SIMPLIFICADO DE SELEÇÃO PARA ALUNOS ESPECIAIS DO PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E TECNOLOGIA DE ALIMENTOS 2º SEMESTRE LETIVO DE 2017
EDITAL SIMPLIFICADO DE SELEÇÃO PARA ALUNOS ESPECIAIS DO PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E 2º SEMESTRE LETIVO DE 2017 O Programa de Pós-Graduação em Ciência e Tecnologia de Alimentos da Fundação Universidade
Leia maisUso da regressão logística na determinação da influência dos caracteres agronômicos durante a seleção massal em cana-deaçúcar
Uso da regressão logística na determinação da influência dos caracteres agronômicos durante a seleção massal em cana-deaçúcar Bruno Portela Brasileiro 1 Luiz Alexandre Peternelli 1 Lucas Santos Lopes 1
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 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 mais5 Referências bibliográficas
5 Referências bibliográficas COOK, R.D. e WEISBERG, S. (1999). Applied Regression Including Computing and Graphics, John Wiley & Sons, New York, NY. LEE, Y. e NELDER, J.A. (1998). Generalized Linear Models
Leia maisAjuste e comparação de modelos para dados grupados e censurados
Ajuste e comparação de modelos para dados grupados e censurados 1 Introdução José Nilton da Cruz 1 Liciana Vaz de Arruda Silveira 2 José Raimundo de Souza Passos 2 A análise de sobrevivência é um conjunto
Leia maisAnálise de Regressão
Análise de Regressão Tópicos em Avaliação de Desempenho de Sistemas Aline Oliveira Camila Araujo Iure Fé Janailda aso2@cin.ufpe.br cga2@cin.ufpe.br isf2@cin.ufpe.br jbs4@cin.ufpe.br Agenda Parte I: Contextualização
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 DE OURO PRETO PRÓ REITORIA DE GRADUAÇÃO. Código: EST011 Departamento: Unidade: DEPARTAMENTO DE ESTATÍSTICA
PROGRAMA DE DISCIPLINA Disciplina: PROCESSOS ESTOCÁSTICOS Código: EST011 Departamento: Unidade: DEPARTAMENTO DE ESTATÍSTICA INSTITUTO DE CIÊNCIAS EXATAS E BIOLÓGICAS Carga Horária Semanal Teórica Prática
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 maisClassificação de dados em modelos com resposta binária via algoritmo boosting e regressão logística
Classificação de dados em modelos com resposta binária via algoritmo boosting e regressão logística Gilberto Rodrigues Liska 1 5 Fortunato Silva de Menezes 2 5 Marcelo Ângelo Cirillo 3 5 Mario Javier Ferrua
Leia maisÓbitos por Acidentes de Transporte em Santa Catarina no ano de 2016
Óbitos por Acidentes de Transporte em Santa Catarina no ano de 2016 Modelos Lineares Generalizados Lais Hoffmam Simone Matsubara Willian Meira Yasmin Fernandes Curitiba 2018 Sumário 1. Resumo... 3 2. Introdução...
Leia maisExemplo Regressão Binomial Dados Emparelhados
Exemplo Regressão Binomial Dados Emparelhados Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2013 G. A. Paula (IME-USP) Desenvolvimento de Diabetes 2 o Semestre
Leia 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 maisUso de modelos lineares generalizados para estimar germinação carpogênica de escleródios de S. sclerotioroum
Uso de modelos lineares generalizados para estimar germinação carpogênica de escleródios de S. sclerotioroum Marceli Hikishima, Embrapa Arroz e Feijão 1 Aline de Holanda Nunes Maia, Embrapa Meio Ambiente
Leia maisNORMAS COMPLEMENTARES AO EDITAL Nº 33/2017. Concurso para Professor Efetivo da área de Estatística
NORMAS COMPLEMENTARES AO EDITAL Nº 33/2017 Concurso para Professor Efetivo da área de Estatística 1. ETAPAS DO CONCURSO Prova escrita: valendo 100 pontos, de caráter eliminatório e classificatório; Prova
Leia maisModelos de regressão para dados correlacionados. Cibele Russo
Modelos de regressão para dados correlacionados Cibele Russo cibele@icmc.usp.br ICMC USP Mini-curso oferecido no Workshop on Probabilistic and Statistical Methods 28 a 30 de janeiro de 2013 Cibele Russo
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 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 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 maisComparação entre intervalos de confiança calculados com métodos bootstrap e intervalos assintóticos
Comparação entre intervalos de confiança calculados com métodos strap e intervalos assintóticos Selene Loibel Depto. de Estatística, Matemática Aplicada e Computação, IGCE, UNESP, Rio Claro, SP E-mail:sloibel@rc.unesp.br,
Leia maisAjuste do modelo de regressão linear: Inferência Bayesiana, aspectos computacionais e seleção de variáveis.
Ajuste do modelo de regressão linear: Inferência Bayesiana, aspectos computacionais e seleção de variáveis. João Daniel Nunes Duarte a, Vinícius Diniz Mayrink b a Estudante de Graduação, e-mail: joaodaniel@ufmg.br
Leia maisDesemprego e Inatividade no Estado do Pará: Evidências da Técnica de Regressão Logística Multinomial
Desemprego e Inatividade no Estado do Pará: Evidências da Técnica de Regressão Logística Multinomial 1 Introducão Mônica Josélly Gonçalves Soares 1 Marinalva Cardoso Maciel 2 Natália Cyntia Cordeiro 3
Leia maisDimensionamento de amostras para estudos com variável resposta ordinal
Dimensionamento de amostras para estudos com variável resposta ordinal Arminda Lucia Siqueira 1 Aloísio Joaquim Freitas Ribeiro 1 Edna Afonso Reis 1 Ilka Afonso Reis 1 1 Introdução Uma situação comum na
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 maisModelos log-lineares em tabelas tridimensionais
Modelos log-lineares em tabelas tridimensionais A Tabela 1 apresenta o número de respondentes em um estudo transversal classificados de acordo com a ideologia política, o partido político e o sexo. Os
Leia maisExemplo Chamadas Telefônicas
Exemplo Chamadas Telefônicas Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Chamadas Telefônicas 2 o Semestre 2016 1 / 25 Chamadas
Leia maisSELEÇÃO DE VARIÁVEIS
SELEÇÃO DE VARIÁVEIS objetivo incluir tantas covariáveis quantas forem necessárias para auxiliar na predição do modelo? (1) buscar o menor subconjunto de covariáveis capaz de explicar adequadamente a variação
Leia maisExemplo Ausências Escolares
Exemplo Ausências Escolares Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Ausências Escolares 2 o Semestre 2015 1 / 24 Ausências
Leia 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 maisCoeficiente de determinação R 2 no modelo de regressão linear normal
Coeficiente de determinação R 2 no modelo de regressão linear normal Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br
Leia maisRegressão Logís+ca na iden+ficação de fatores de risco em recém nascidos prematuros
Apresentação no âmbito da disciplina de Seminário de Modelação Regressão Logís+ca na iden+ficação de fatores de risco em recém nascidos prematuros Ana Januário (up070301054@alunos.fc.up.pt) Janeiro 2012
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 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 maisPROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO
PROBABILIDADES E ESTATÍSTICA LEIC+LEE+LERCI (TagusPark) PROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO Secção de Estatística e Aplicações Departamento de Matemática Instituto Superior Técnico Fevereiro 2008
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 maisAnderson Garneth de Castro 1 Graziela Dutra Rocha Gouvêa 2
Identificação dos fatores que influenciam no tempo até a evasão/ retenção dos alunos do ICEB-UFOP utilizando técnicas paramétricas em Análise de Sobrevivência Anderson Garneth de Castro 1 Graziela Dutra
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 maisExemplos Equações de Estimação Generalizadas
Exemplos Equações de Estimação Generalizadas Bruno R. dos Santos e Gilberto A. Paula Departamento de Estatística Universidade de São Paulo, Brasil giapaula@ime.usp.br Modelos Lineares Generalizados dos
Leia maisCapítulo II: Estimação Pontual: noções básicas de estimação; método dos momentos e método da máxima verosimilhança; propriedades.
Estatística Código: 22723 ECTS: 6 Ano Letivo: 2015/16 Carga horária: T: 3:00 h; TP: 2:00 h; OT: 1:00 h; Departamento: Estatística e Investigação Operacional Área Científica: Estatística e Investigação
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 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 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 maisAjustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão.
Glossário Ajustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão. Análise de co-variância: Procedimento estatístico utilizado para análise de dados que
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 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 maisEstatística e Delineamento
Estatística e Delineamento Jorge Cadima Secção de Matemática (DCEB) Instituto Superior de Agronomia (ULisboa) 2018-19 J. Cadima (ISA - ULisboa) Estatística e Delineamento 2018-19 1 / 459 1 Professores:
Leia maisModelo marginal de odds proporcionais para dados longitudinais: um estudo de simulação
Modelo marginal de odds proporcionais para dados longitudinais: um estudo de simulação Nívea B. da Silva 1 Enrico A. Colosimo 2 Leila A. F. Amorim 3 1 Introdução Nos últimos anos muitas metodologias têm
Leia maisExperimentos Fatoriais 2 k
Experimentos Fatoriais 2 k Carla A. Vivacqua Departamento de Estatística UFRN vivacqua@ccet.ufrn.br Encontro de Engenharia de Software Experimental UFRN 1 Agenda Planos Experimentais Abordados Formas de
Leia maisSME0820 Análise de Regressão 1º/2014
Mário de Castro mcastro@icmc.usp.br Sala 4-240, telefone 3373-6631 Cibele Russo cibele@icmc.usp.br http://www.icmc.usp.br/~cibele Sala 3-113, telefone 3373-6606 SME0820 Análise de Regressão 1º/2014 Site
Leia maisSME0820 Análise de Regressão 1º/2013
Cibele Russo cibele@icmc.usp.br http://www.icmc.usp.br/~cibele Sala 3-113, ramal 73-6606 Mariana Cúri mcuri@icmc.usp.br http://www.icmc.usp.br/~mcuri Sala 4-211, ramal 73-8175 SME0820 Análise de Regressão
Leia maisComparando equações de regressão em dados de saúde
Comparando equações de regressão em dados de saúde Terezinha Aparecida Guedes*, Ivan Ludgero Ivanqui e Ana Beatriz Tozzo Martins Departamento de Estatística, Universidade Estadual de Maringá, Av Colombo,
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 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 maisPLANO DE ENSINO MÉTODOS ESTATÍSTICOS II. 1) IDENTIFICAÇÃO Disciplina: Método Estatístico II Código da Disciplina:
PLANO DE ENSINO MÉTODOS ESTATÍSTICOS II 1) IDENTIFICAÇÃO Disciplina: Método Estatístico II Código da Disciplina: 9071008 Carga Horária: 40 horas/aula Período Letivo: Professor(a): Édila Cristina de Souza
Leia maisUtilização de modelos marginais na análise de dados longitudinais irregulares em relação ao tempo
Utilização de modelos marginais na análise de dados longitudinais irregulares em relação ao tempo César Gonçalves de Lima 1 Michele Barbosa 2 Valdo Rodrigues Herling 3 1. Introdução Dados longitudinais
Leia maisMORTALIDADE DE IDOSOS POR DOENÇAS CARDIOLÓGICAS NA CIDADE DE JOÃO PESSOA-PB
MORTALIDADE DE IDOSOS POR DOENÇAS CARDIOLÓGICAS NA CIDADE DE JOÃO PESSOA-PB Msc. Elídio Vanzella- Ensine Faculdades; Estácio. INTRODUÇÃO No ano de 1990 o governo brasileiro, pelo menos no campo das intenções,
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA
06 UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CAROLINE MARTINS SELIS GRR: 20137507 MILTON ABRAAO FERREIRA GRR: 20137581 NATHALIE DO AMARAL PORTO MARTINS GRR: 20137583 RELATÓRIO DE ANÁLISE
Leia maisAnálise Estatística da Lei /2012 atual Lei de Reserva de Vagas com uma seleção baseada em modelos mistos.
Análise Estatística da Lei 12.711/2012 atual Lei de Reserva de Vagas com uma seleção baseada em modelos mistos. Norma Souza de Oliveira 1 Júlio Sílvio de Sousa Bueno filho 2 Resumo: Analisamos aqui a nova
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 maisESTUDO SOBRE A EVASÃO E O TEMPO ATÉ A FORMATURA DOS ALUNOS DO CURSO DE ESTATÍSTICA DA UFPR
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA CURSO DE ESTATÍSTICA Bruno Rosevics Estevão Batista do Prado ESTUDO SOBRE A EVASÃO E O TEMPO ATÉ A FORMATURA DOS ALUNOS
Leia maisQuiz Econometria I versão 1
Obs: muitos itens foram retirados da ANPEC. Quiz Econometria I versão 1 V ou F? QUESTÃO 1 É dada a seguinte função de produção para determinada indústria: ln(y i )=β 0 + β 1 ln( L i )+β 2 ln( K i )+u i,
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 maisPROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO
PROBABILIDADES E ESTATÍSTICA LEIC+LEE+LERCI (TagusPark) PROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO Secção de Estatística e Aplicações Departamento de Matemática Instituto Superior Técnico Fevereiro 2006
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 maisAULAS 28 E 29 Análise de Regressão Múltipla com Informações Qualitativas
1 AULAS 28 E 29 Análise de Regressão Múltipla com Informações Qualitativas Ernesto F. L. Amaral 07 e 09 de dezembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à
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 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 maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisEmenta Cursos de Verão do Núcleo de Epidemiologia e Bioestatística (NEB) 2016
Ementa Cursos de Verão do Núcleo de Epidemiologia e Bioestatística (NEB) 2016 Índice Introdução e Manipulação de Banco de Dados 2 Introdução à Bioética aplicada a pesquisa com seres humanos 3 Estatística
Leia maisDISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA RESUMO
APLICAÇÕES DE DISTRIBUIÇÕES DISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA Danielle Peralta 1, Josmar Mazucheli 1, Isabelle Picada Emanuelli 2 e Robson Marcelo Rossi 1 1 Departamento de Estatística,
Leia maisRESENHA DO ARTIGO. Experimentos com mistura para otimização de processos: Uma aplicação com respostas não normais
RESENHA DO ARTIGO Experimentos com mistura para otimização de processos: Uma aplicação com respostas não normais Catarine Conceição Moura Tenório Graduando em Engenharia de Produção Faculdade de Ciências
Leia maisPREFERÊNCIA DO CONSUMIDOR: UM ESTUDO DE CASO COM APLICAÇÃO DE ANÁLISE CONJUNTA E MODELOS DE REGRESSÃO
PREFERÊNCIA DO CONSUMIDOR: UM ESTUDO DE CASO COM APLICAÇÃO DE ANÁLISE CONJUNTA E MODELOS DE REGRESSÃO Gustavo Rocha Aquino González 1 Ana Paula Barbosa Sobral 2 Jane Azevedo da Silva 3 Raquel Campanate
Leia maisUniversidade de Brasília Departamento de Estatística. Felipe Gomes Ribeiro
Universidade de Brasília Departamento de Estatística Uso da regressão logísitica na estimação da probabilidade de reincidência de jovens infratoras Felipe Gomes Ribeiro Monograa apresentada para obtenção
Leia maisVALIDAÇÃO DO MODELO PELO USO DE MEDIDAS DE NÃO LINEARIDADE
VALIDAÇÃO DO MODELO PELO USO DE MEDIDAS DE NÃO LINEARIDADE Adriana de Souza COSTA 1, Glaucia Amorim FARIA 2, Ana Patricia Bastos PEIXOTO 1 1 Departamento de Estatística, Universidade Estadual da Paraíba-UEPB,
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 maisRegressão Linear - Parte I
UFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: ET-406 Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior Regressão Linear - Parte I 1 Introdução Podemos
Leia maisRegressão linear múltipla. Regressão linear múltipla
Regressão linear múltipla 35 R 2 = 61% Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M. Pagano e Gravreau e Geraldo
Leia maisProcedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear
Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear Rogério Antonio de Oliveira 1 Chang Chiann 2 1 Introdução Atualmente, para obter o registro
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Seção 18 Performance e validação Marcel de Souza Borges Quintana marcel.quintana@ini.fiocruz.br 2018 Estrutura 1. Avaliação do desempenho do modelo (Cap 15) Medidas
Leia maisSME0803 ANÁLISE DE REGRESSÃO 1º/2011
SME0803 ANÁLISE DE REGRESSÃO 1º/2011 Cibele Russo cibele@icmc.usp.br http://www.icmc.usp.br/~cibele Sala 3-160, ramal 8174 CoteiaWIKI: http://wiki.icmc.usp.br/index.php/sme-260 OBJETIVO DO CURSO Introduzir
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 maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em uma grande escola, 10% dos alunos são comprovadamente fracos. Um teste educacional conseguiu identificar corretamente 80% entre aqueles que são fracos e 85% entre aqueles que
Leia maisDimensionamento de amostras para regressão logística
Dimensionamento de amostras para regressão logística Arminda Lucia Siqueira 1 Flávia Komatsuzaki 1 Introdução Regressão logística é hoje padrão de análise para muitos estudos da área da saúde cuja variável
Leia maisExemplo Preferência de Automóveis
Exemplo Preferência de Automóveis Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre 2016 1 /
Leia mais