Exemplo Preferência de Automóveis
|
|
|
- André de Oliveira Araújo
- 6 Há anos
- Visualizações:
Transcrição
1 Exemplo Preferência de Automóveis Gilberto A. Paula Departamento de Estatística IME-USP, Brasil 2 o Semestre 2016 G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
2 Preferência Automóveis Sumário 1 Preferência Automóveis 2 Análise de Dados Preliminar 3 Modelo Binomial 4 Resultados Modelo Ajustado 5 Conclusões 6 Referências G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
3 Preferência Automóveis Preferência Automóveis Descrição dos Dados Como ilustração de exemplo de modelo binomial para dados não agrupados, vamos considerar os dados sobre G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
4 Preferência Automóveis Preferência Automóveis Descrição dos Dados Como ilustração de exemplo de modelo binomial para dados não agrupados, vamos considerar os dados sobre preferência de automóveis (1: americano, 0: japonês) G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
5 Preferência Automóveis Preferência Automóveis Descrição dos Dados Como ilustração de exemplo de modelo binomial para dados não agrupados, vamos considerar os dados sobre preferência de automóveis (1: americano, 0: japonês) de uma amostra aleatória de 263 consumidores (Foster, Stine e Waterman, 1998, pp ). G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
6 Preferência Automóveis Preferência Automóveis Descrição dos Dados A probabilidade de preferência por carro americano será relacionada com as seguintes variáveis explicativas do comprador(a): G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
7 Preferência Automóveis Preferência Automóveis Descrição dos Dados A probabilidade de preferência por carro americano será relacionada com as seguintes variáveis explicativas do comprador(a): idade (em anos); G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
8 Preferência Automóveis Preferência Automóveis Descrição dos Dados A probabilidade de preferência por carro americano será relacionada com as seguintes variáveis explicativas do comprador(a): idade (em anos); sexo (0: masculino; 1: feminino); G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
9 Preferência Automóveis Preferência Automóveis Descrição dos Dados A probabilidade de preferência por carro americano será relacionada com as seguintes variáveis explicativas do comprador(a): idade (em anos); sexo (0: masculino; 1: feminino); estado civil (0:casado(a), 1:solteiro(a)). G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
10 Análise de Dados Preliminar Sumário 1 Preferência Automóveis 2 Análise de Dados Preliminar 3 Modelo Binomial 4 Resultados Modelo Ajustado 5 Conclusões 6 Referências G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
11 Análise de Dados Preliminar Descrição dos Dados Preferência segundo o Sexo Masculino Feminino Americano 61 (42,4%) 54 (45,4%) Japonês 83 (57,6%) 65 (54,6%) Total G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
12 Análise de Dados Preliminar Descrição dos Dados Preferência segundo o Sexo Masculino Feminino Americano 61 (42,4%) 54 (45,4%) Japonês 83 (57,6%) 65 (54,6%) Total Preferência segundo o Estado Civil Casado Solteiro Americano 83 (48,8%) 32 (34,4%) Japonês 87 (51,2%) 65 (65,6%) Total G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
13 Análise de Dados Preliminar Boxplots da Idade segundo a Preferência Idade do Comprador Japonês Americano G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
14 Modelo Binomial Sumário 1 Preferência Automóveis 2 Análise de Dados Preliminar 3 Modelo Binomial 4 Resultados Modelo Ajustado 5 Conclusões 6 Referências G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
15 Modelo Binomial Modelo Binomial Descrição Denotaremos por y i a preferência do i-ésimo comprador G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
16 Modelo Binomial Modelo Binomial Descrição Denotaremos por y i a preferência do i-ésimo comprador 0: automóvel japonês; G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
17 Modelo Binomial Modelo Binomial Descrição Denotaremos por y i a preferência do i-ésimo comprador 0: automóvel japonês; 1: automóvel americano. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
18 Modelo Binomial Modelo Binomial Descrição Denotaremos por y i a preferência do i-ésimo comprador 0: automóvel japonês; 1: automóvel americano. Vamos propor o seguinte modelo binomial para explicar a probabilidade de preferência por automóvel americano: G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
19 Modelo Binomial Modelo Binomial Descrição Denotaremos por y i a preferência do i-ésimo comprador 0: automóvel japonês; 1: automóvel americano. Vamos propor o seguinte modelo binomial para explicar a probabilidade de preferência por automóvel americano: y i ind Be(π i ), G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
20 Modelo Binomial Modelo Binomial Descrição Denotaremos por y i a preferência do i-ésimo comprador 0: automóvel japonês; 1: automóvel americano. Vamos propor o seguinte modelo binomial para explicar a probabilidade de preferência por automóvel americano: y i ind Be(π i ), log( πi 1 π i ) = β 1 +β 2 Idade i +β 3 Sexo i +β 4 ECivil i, G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
21 Modelo Binomial Modelo Binomial Descrição Denotaremos por y i a preferência do i-ésimo comprador 0: automóvel japonês; 1: automóvel americano. Vamos propor o seguinte modelo binomial para explicar a probabilidade de preferência por automóvel americano: y i ind Be(π i ), log( πi 1 π i ) = β 1 +β 2 Idade i +β 3 Sexo i +β 4 ECivil i, em que π i denota a probabilidade do i-ésimo comprador preferir automóvel americano, para i = 1,...,263, G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
22 Sumário 1 Preferência Automóveis 2 Análise de Dados Preliminar 3 Modelo Binomial 4 Resultados Modelo Ajustado 5 Conclusões 6 Referências G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
23 Modelo Binomial Estimativas Efeito Estimativa E.Padrão E/E.Padrão Constante -1,653 0,708-2,33 Idade 0,050 0,022 2,27 SexoF -0,094 0,256-0,37 ECivilS -0,518 0,272-1,90 G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
24 Modelo Binomial Estimativas Efeito Estimativa E.Padrão E/E.Padrão Constante -1,653 0,708-2,33 Idade 0,050 0,022 2,27 SexoF -0,094 0,256-0,37 ECivilS -0,518 0,272-1,90 A variável sexo é não significativa. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
25 Modelo Binomial Estimativas Efeito Estimativa E.Padrão E/E.Padrão Constante -1,600 0,692-2,31 Idade 0,050 0,021 2,38 ECivilS -0,526 0,272-1,93 G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
26 Modelo Binomial Estimativas Efeito Estimativa E.Padrão E/E.Padrão Constante -1,600 0,692-2,31 Idade 0,050 0,021 2,38 ECivilS -0,526 0,272-1,93 Interação O teste de ausência de interação entre idade e estado civil forneceu o seguinte valor para a estatística da razão de verossimilhanças ξ RV = 0, 81 com nível descritivo P=0,368. Portanto não rejeitamos a ausência de interação entre idade e estado civil. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
27 Diagnóstico Modelo Final Medida h Valor Ajustado G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
28 Diagnóstico Modelo Final 99 Distância de Cook Índice G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
29 Resíduos Modelo Final Componente do Desvio Percentil da N(0,1) G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
30 Pontos Discrepantes Sem observação #99 Efeito Estimativa z-valor Variação Constante -1,942-2,65-21,4% Idade 0,060 2,65 22,4% ECivilS -0,474-1,72 9,9% G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
31 Pontos Discrepantes Sem observação #99 Efeito Estimativa z-valor Variação Constante -1,942-2,65-21,4% Idade 0,060 2,65 22,4% ECivilS -0,474-1,72 9,9% Este comprador tem 60 anos, comprou carro japonês e é solteiro. Sua eliminação aumenta a significância da idade e diminiui a significância do estado civil. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
32 Pontos Discrepantes Sem observação #223 Efeito Estimativa z-valor Variação Constante -1,463-2,07 8,6% Idade 0,045 2,05-8,1% ECivilS -0,550-2,02-4,6% G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
33 Pontos Discrepantes Sem observação #223 Efeito Estimativa z-valor Variação Constante -1,463-2,07 8,6% Idade 0,045 2,05-8,1% ECivilS -0,550-2,02-4,6% Este comprador tem 54 anos, comprou carro americano e é solteiro. Sua eliminação diminui a significância da idade e aumenta um pouco a significância do estado civil. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
34 Modelo Ajustado Preferência por Automóvel Americano A probabilidade ajustada de preferência por automóvel americano fica expressa na forma G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
35 Modelo Ajustado Preferência por Automóvel Americano A probabilidade ajustada de preferência por automóvel americano fica expressa na forma ˆπ = exp( 1, 600+0, 050 Idade 0, 526 ECivil) 1+exp( 1, 600+0, 050 Idade 0, 526 ECivil). G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
36 Probabilidade Ajustada Probabilidade Ajustada Casado Solteiro Idade G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
37 Interpretações Efeito Idade A probabilidade de preferência por automóvel americano aumenta com a idade do comprador. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
38 Interpretações Efeito Idade A probabilidade de preferência por automóvel americano aumenta com a idade do comprador. Razão de Chances A razão de chances entre um comprador casado e um comprador solteiro preferir automóvel americano é estimada por ˆψ = exp(0, 526) = 1, 69. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
39 Interpretações Efeito Idade A probabilidade de preferência por automóvel americano aumenta com a idade do comprador. Razão de Chances A razão de chances entre um comprador casado e um comprador solteiro preferir automóvel americano é estimada por ˆψ = exp(0, 526) = 1, 69. Ou seja, um comprador casado tem uma chance 69% maior de preferir automóvel americano em relação a um comprador solteiro. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
40 Interpretações Estimativa Intervalar Estimativa intervalar de 90% para a razão de chances entre um comprador casado e um comprador solteiro preferir automóvel americano G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
41 Interpretações Estimativa Intervalar Estimativa intervalar de 90% para a razão de chances entre um comprador casado e um comprador solteiro preferir automóvel americano e 0,526±1,65 0,272 = e 0,526±0,449 = [1, 080; 2, 651][8, 0%; 165, 1%]. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
42 Interpretações Estimativa Intervalar Estimativa intervalar de 90% para a razão de chances entre um comprador casado e um comprador solteiro preferir automóvel americano e 0,526±1,65 0,272 = e 0,526±0,449 = [1, 080; 2, 651][8, 0%; 165, 1%]. Portanto, um comprador casado tem uma chance entre 8% e 165,1% maior de preferir automóvel americano em relação a um comprador solteiro. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
43 Modelo Ajustado Preferência por Automóvel Japonês A probabilidade ajustada de preferência por automóvel japonês fica expressa na forma G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
44 Modelo Ajustado Preferência por Automóvel Japonês A probabilidade ajustada de preferência por automóvel japonês fica expressa na forma 1 ˆπ = exp(1, 600 0, 050 Idade+0, 526 ECivil) 1+exp(1, 600 0, 050 Idade+0, 526 ECivil). G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
45 Probabilidade Ajustada Probabilidade Ajustada Casado Solteiro Idade G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
46 Interpretações Efeito Idade A probabilidade de preferência por automóvel japonês diminui com a idade do comprador. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
47 Interpretações Efeito Idade A probabilidade de preferência por automóvel japonês diminui com a idade do comprador. Razão de Chances A razão de chances entre um comprador solteiro e um comprador cadado preferir automóvel japonês é estimada por ˆψ = exp(0, 526) = 1, 69. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
48 Interpretações Efeito Idade A probabilidade de preferência por automóvel japonês diminui com a idade do comprador. Razão de Chances A razão de chances entre um comprador solteiro e um comprador cadado preferir automóvel japonês é estimada por ˆψ = exp(0, 526) = 1, 69. Ou seja, um comprador solteiro tem uma chance 69% maior de preferir automóvel japonês em relação a um comprador casado. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
49 Interpretações Estimativa Intervalar Estimativa intervalar de 90% para a razão de chances entre um comprador solteiro e um comprador casado preferir automóvel japonês G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
50 Interpretações Estimativa Intervalar Estimativa intervalar de 90% para a razão de chances entre um comprador solteiro e um comprador casado preferir automóvel japonês e 0,526±1,65 0,272 = e 0,526±0,449 = [1, 080; 2, 651][8, 0%; 165, 1%]. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
51 Interpretações Estimativa Intervalar Estimativa intervalar de 90% para a razão de chances entre um comprador solteiro e um comprador casado preferir automóvel japonês e 0,526±1,65 0,272 = e 0,526±0,449 = [1, 080; 2, 651][8, 0%; 165, 1%]. Portanto, um comprador solteiro tem uma chance entre 8% e 165,1% maior de preferir automóvel japonês em relação a um comprador casado. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
52 Conclusões Sumário 1 Preferência Automóveis 2 Análise de Dados Preliminar 3 Modelo Binomial 4 Resultados Modelo Ajustado 5 Conclusões 6 Referências G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
53 Conclusões Conclusões Considerações Finais G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
54 Conclusões Conclusões Considerações Finais Neste exemplo em que ajustamos a probabilidade de um comprador preferir automóvel de marca americana em relação a marca japonesa, notamos que a idade do comprador e o estado civil são variáveis importantes. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
55 Conclusões Conclusões Considerações Finais Neste exemplo em que ajustamos a probabilidade de um comprador preferir automóvel de marca americana em relação a marca japonesa, notamos que a idade do comprador e o estado civil são variáveis importantes. Os dois pontos influentes, referentes a dois compradores com perfil atípico, embora mudem de forma desproporcinal as estimativas não mudam a inferência ao nível de 10%. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
56 Conclusões Conclusões Considerações Finais Neste exemplo em que ajustamos a probabilidade de um comprador preferir automóvel de marca americana em relação a marca japonesa, notamos que a idade do comprador e o estado civil são variáveis importantes. Os dois pontos influentes, referentes a dois compradores com perfil atípico, embora mudem de forma desproporcinal as estimativas não mudam a inferência ao nível de 10%. Não há indícios de que a distribuição das respostas não seja Bernoulli. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
57 Referências Sumário 1 Preferência Automóveis 2 Análise de Dados Preliminar 3 Modelo Binomial 4 Resultados Modelo Ajustado 5 Conclusões 6 Referências G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
58 Referências Referências Referência Foster, D. P.; Stine, R. A. e Waterman, R. P. (1998). Business Analysis using Regression. New York: Springer. G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre / 29
Exemplos 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
Exame 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
Exemplo 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
Exemplo Preferência de Automóveis
Exemplo Preferência de Automóveis Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2013 G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre 2013 1 /
Exemplo Falhas em Tecidos
Exemplo Falhas em Tecidos Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre 2016 1 / 27 Rolos de Tecido
Exemplo 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
Exemplo Infecções de Ouvido
Exemplo Infecções de Ouvido Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Infecções de Ouvido 2 o Semestre 2016 1 / 27 Infecções
Exemplo Vida Útil de Ferramentas
Exemplo Vida Útil de Ferramentas Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Vida útil de Ferramentas 2 o Semestre 2016 1 /
Exemplo Cupons com Desconto
Exemplo Cupons com Desconto Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2013 G. A. Paula (IME-USP) Cupons com Desconto 2 o Semestre 2013 1 / 21 Cupons
Exemplo 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
Exemplo 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
Exemplo Regressão Robusta
Exemplo Regressão Robusta Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Abastecimento de Refrigerantes 1 o Semestre 2013 1 /
Exemplo Abastecimento de Refrigerantes
Exemplo Abastecimento de Refrigerantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2016 G. A. Paula (IME-USP) Abastecimento de Refrigerantes 1 o Semestre
Exemplo 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
Faturamento de Restaurantes
Faturamento de Restaurantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Faturamento de Restaurantes 2 o Semestre 2016 1 / 29
Exemplo Número de Clientes da Loja
Exemplo Número de Clientes da Loja Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre 2015 1 / 24 Clientes
Exemplos 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
Exemplo Espinhel de Fundo
Exemplo Espinhel de Fundo Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Espinhel de Fundo 2 o Semestre 2016 1 / 35 Espinhel de
Exemplo Ataques Epilépticos
Exemplo Ataques Epilépticos Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Ataques Epilépticos 2 o Semestre 2015 1 / 20 Ataques
1 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)
Exemplos 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
Exemplos 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
Exemplo Misto Ataques Epilépticos
Exemplo Misto Ataques Epilépticos Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Ataques Epilépticos 2 o Semestre 2016 1 / 25
Exemplo Placas Dentárias
Exemplo Placas Dentárias Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Placas Dentárias 2 o Semestre 2016 1 / 20 Placas Dentárias
Exemplo MLG Misto. Gilberto A. Paula. Departamento de Estatística IME-USP, Brasil
Exemplo MLG Misto Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Placas Dentárias 2 o Semestre 2015 1 / 16 Placas Dentárias Sumário
Exemplos Modelos Binomiais de Dose-Resposta
Exemplos Modelos Binomiais de Dose-Resposta p. 1/14 Exemplos Modelos Binomiais de Dose-Resposta Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre
Analise 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
Exemplo Regressão Linear Múltipla
Exemplo Regressão Linear Múltipla Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Salário de Executivos 1 o Semestre 2013 1 / 27
MAE Modelos Lineares Generalizados 2 o semestre 2017
MAE5763 - Modelos Lineares Generalizados 2 o semestre 2017 Prof. Gilberto A. Paula 3 a Lista de Exercícios 1. Supor y i ind FE(µ, φ i ) com φ i = α + γz i, para i = 1,..., n. Como ca a matriz modelo Z?
INCIDÊNCIA 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
MAE 0535 Pesquisa de Mercado
MAE 0535 Pesquisa de Mercado Universidade de São Paulo USP Instituto de Matemática, Estatística e Computação IME Professora: Silvia Elian Nagib 2º Semestre de 2015 Apresentação 2 Exemplo 1 Uma escala Likert
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
ESTUDO SOBRE A TAXA ANUAL DE CÂNCER NASAL EM UMA REFINARIA DE NÍQUEL NO PAÍS DE GALES
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística ESTUDO SOBRE A TAXA ANUAL DE CÂNCER NASAL EM UMA REFINARIA DE NÍQUEL NO PAÍS DE GALES CE225 - Modelos Lineares Generalizados
EFICIÊNCIA 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
Aula 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
Regressão 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
Modelos 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
Exemplo Turbinas de Avião
Exemplo Turbinas de Avião Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Turbinas de Avião 2 o Semestre 2015 1 / 29 Turbinas de
Regressão 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
Faturamento de Restaurantes
Faturamento de Restaurantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Faturamento de Restaurantes 2 o Semestre 2015 1 / 28
Ajuste 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
Modelos 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
Modelo 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
Modelos 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
Modelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Modelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Modelos de Regressão Múltipla - Parte IV
1 Modelos de Regressão Múltipla - Parte IV Erica Castilho Rodrigues 01 de Fevereiro de 2017 2 3 4 Nos modelos vistos até agora a mudança de um grupo para o outro estava apenas no intercepto. Podemos também
Aplicação do modelo de Quase-Verossimilhança
Aplicação do modelo de Quase-Verossimilhança Fábio Hideto Oki 1 1 Introdução O câncer é uma doença de proporção mundial, atingindo só no Brasil cerca de 350 mil pessoas por ano e é caracterizado pela mutação
Modelos 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
3.33pt. 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
A 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
Regressão 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
Coeficiente 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
CONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Nas chamadas de suporte de uma empresa de telecomunicações, o funcionário Pedro resolve o problema do cliente em duas de cada três vezes em que é solicitado, enquanto Marcos resolve
Trabalho 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
Relatório 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
UNIVERSIDADE 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
O USO DE MODELOS DE REGRESSÃO LOGÍSTICA PARA AVALIAÇÃO DO PROBLEMA DE EVASÃO DE ALUNOS NO CURSO DE QUÍMICA INDUSTRIAL DA UNUCET-UEG
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
Universidade de Brasília IE Departamento de Estatística. Análise de Diagnóstico para o Modelo de Regressão de Cox. Camila Farage de Gouveia
Universidade de Brasília IE Departamento de Estatística Análise de Diagnóstico para o Modelo de Regressão de Cox Camila Farage de Gouveia Orientadora: Prof.ª Dra. Juliana Betini Fachini Brasília, 2013.
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística II - Licenciatura em Gestão Época de Recurso - Parte prática (14 valores) 24/01/2011.
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística II - Licenciatura em Gestão Época de Recurso - Parte prática (14 valores) 24/01/2011 Nome: Nº Espaço reservado para a classificação (não escrever aqui)
Medidas Separatrizes
Medidas Separatrizes Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 04 de abril de 2018 Londrina 1 / 16 Introdução Medidas Separatrizes Para entender bem uma
MEDIDAS SEPARATRIZES
MEDIDAS SEPARATRIZES Lucas Santana da Cunha email: lscunha@uel.br Universidade Estadual de Londrina 08 de maio de 2017 Para entender bem uma distribuição, pode-se conhecer valores acima ou abaixo dos quais
Estatística Descritiva II
Estatística Descritiva II Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Estatística Descritiva II 1 o Semestre 2014 1 / 44 Objetivos da Aula Sumário 1 Objetivos da Aula 2
Modelo 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
INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p
INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir
UNIVERSIDADE 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
UNIVERSIDADE 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
MAE Planejamento e Pesquisa II
MAE0327 - Planejamento e Pesquisa II EXPERIMENTOS/ESTUDOS NÃO-BALANCEADOS COM FATORES FIXOS - PARTE 1 7 de agosto de 2016 Denise A Botter MAE0327 7 de agosto de 2016 1 / 1 PLANEJAMENTO E PESQUISA I Estudos
Lista 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
Correlação 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
MAE 0535 Pesquisa de Mercado
MAE 0535 Pesquisa de Mercado Universidade de São Paulo USP Instituto de Matemática, Estatística e Computação IME Professora Doutora: Silvia Elian Nagib 2º Semestre de 2015 Apresentação 1 Fontes de informação
Número 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
SUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20
SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17
Regressão 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
ANÁLISE DE SOBREVIVÊNCIA. Airlane P. Alencar IME-USP Alessandra C. Goulart FM-USP
ANÁLISE DE SOBREVIVÊNCIA Airlane P. Alencar IME-USP Alessandra C. Goulart FM-USP Objetivo Estudar o tempo desde um instante inicial até a ocorrência de um evento (alha). Estudar o tempo de sobrevida de
Estatística Descritiva II
Estatística Descritiva II Bacharelado em Economia - FEA - Noturno 1 o Semestre 2017 Profs. Gilberto A. Paula e Vanderlei C. Bueno MAE0219 (Economia-FEA-Noturno) 1 o Semestre 2017 1 / 50 Sumário 1 Objetivos
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 214 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
CONHECIMENTOS 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
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
CONHECIMENTOS 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
Exemplo Regressão Linear Simples
Exemplo Regressão Linear Simples Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Área e Preço de Imóveis 1 o Semestre 2013 1 /
Modelos 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
Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Modelos 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.
UNIVERSIDADE 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
Introdução. Quem nunca ouviu a palavra estatística referindo-se a um número ou conjunto de números?
Estatística Disciplina de Estatística 2012/2 Curso de Administração em Gestão Pública Profª. Me. Valéria Espíndola Lessa E-mail: lessavaleria@gmail.com 1 Introdução Quem nunca ouviu a palavra estatística
MONTAGEM DE HIPÓTESES
MONTAGEM DE HIPÓTESES Metodologia Científica Graduação Tecnológica O Enunciado das Hipóteses * Toda pesquisa científica consiste em enunciar e verificar hipóteses... Hipótese é: * uma suposição que se
Modelos de Regressão Múltipla - Parte VIII
1 Modelos de Regressão Múltipla - Parte VIII Erica Castilho Rodrigues 15 de Fevereiro de 2017 2 3 Observações não usuais 4 As observações não usuais podem ser: Outliers: não se ajustam bem ao modelo (resíduo
Inferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Regressão 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
Modelos de Regressão Linear Simples - parte II
Modelos de Regressão Linear Simples - parte II Erica Castilho Rodrigues 14 de Outubro de 2013 Erros Comuns que Envolvem a Análise de Correlação 3 Erros Comuns que Envolvem a Análise de Correlação Propriedade
3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Teste χ 2 de aderência
Teste χ 2 de aderência Chuck Norris Arnold Schwarzenegger 15 de julho de 2013 Resumo O teste χ 2 de aderência é considerado para testar a hipótese de que uma distribuição de probabilidades as frequências
Fatores Associados à Autopercepção de Saúde: Uma Aplicação de Regressão Logística
Fatores Associados à Autopercepção de Saúde: Uma Aplicação de Regressão Logística Alisson Moreira Ferreira Projeto apresentado para obtenção do título de Bacharel em Estatística. Brasília 2017 nada Alisson
Alternativas à Regressão Logística para análise de dados
XVIII Congresso Mundial de Epidemiologia VII Congresso Brasileiro de Epidemiologia EIDEMIOLOGIA NA CONSTRUÇÃO DA SAÚDE ARA TODOS: MÉTODOS ARA UM MUNDO EM TRANSFORMAÇÃO Alternativas à Regressão Logística
Capítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Modelos 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
Modelos 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