From f141ea73ae9f94e9320017957a12103c7a926de5 Mon Sep 17 00:00:00 2001
From: Eduardo Junior <edujrrib@gmail.com>
Date: Tue, 21 Jun 2016 01:26:42 -0300
Subject: [PATCH] Adiciona resumo
---
docs/01-tcc.Rnw | 52 +++++++++++++++++++++++++++++++++++++------------
1 file changed, 40 insertions(+), 12 deletions(-)
diff --git a/docs/01-tcc.Rnw b/docs/01-tcc.Rnw
index 72eede4..25f7218 100644
--- a/docs/01-tcc.Rnw
+++ b/docs/01-tcc.Rnw
@@ -281,10 +281,9 @@ library(tccPackage)
% ---
% Agradecimentos
% ---
-\begin{agradecimentos}
-\lipsum[1]
-
-\end{agradecimentos}
+% \begin{agradecimentos}
+% \lipsum[1]
+% \end{agradecimentos}
% ---
% ---
@@ -311,8 +310,37 @@ library(tccPackage)
% resumo em português
\setlength{\absparsep}{18pt} % ajusta o espaçamento dos parágrafos do resumo
\begin{resumo}
- \lipsum[1]
- \textbf{Palavras-chave}: COM-Poisson. Dados de contagem.
+ Variáveis aleatórias de contagem são de natureza discreta e
+ representam o número de ocorrências de um evento em um domínio
+ discreto ou contínuo. Para análise estatística dessas variáveis, o
+ modelo de Poisson é amplamente utilizado. Porém, não são raras as
+ situações de sub ou superdispersão, que inviabilizam o emprego deste
+ modelo. Uma alternativa paramétrica é o modelo COM-Poisson que, com a
+ adição de um parâmetro, contempla diferentes níveis de dispersão.
+ Outras características bastantes frequentes em dados de contagem são
+ frequência excessiva de valores zeros e estrutura de correlação entre
+ observações, muitas vezes induzida pelo processo de casualização ou
+ amostragem. Nesses casos os modelos adotados devem ser
+ adaptados. Neste trabalho são exploradas as características da
+ distribuição COM-Poisson e apresentados os modelos de regressão
+ COM-Poisson de efeitos fixos, com modelagem para excesso de zeros e
+ incluindo efeitos aleatórios. O emprego dos modelos COM-Poisson e suas
+ extensões é ilustrado com aplicações onde seus resultados são
+ comparados com as abordagens Poisson, Quasi-Poisson e Binomial
+ Negativa (para casos de superdispersão) via níveis descritivos de
+ testes de razão de verossimilhanças, critério de informação de Akaike
+ e predições pontuais e intervalares. O ajuste dos modelos é feito via
+ maximização da verossimilhança. Os resultados mostram que o modelo
+ Poisson é de fato restritivo, com ajustes inadequados na maioria das
+ aplicações. O modelo COM-Poisson, por sua vez, mostrou-se bastante
+ flexível com resultados similares aos obtidos via abordagem
+ semi-paramétrica Quasi-Poisson. As extensões propostas para o modelo
+ COM-Poisson apresentaram resultados satisfatórios, sendo equivalentes
+ as abordagens já consolidadas na literatura.
+
+ \textbf{Palavras-chave}:
+ COM-Poisson; dados de contagem; subdispersão; superdispersão; excesso
+ de zeros; efeitos aleatórios; Binomial Negativa; Quasi-Poisson
\end{resumo}
% ---
@@ -343,12 +371,12 @@ library(tccPackage)
% ---
% inserir lista de símbolos
% ---
-\begin{simbolos}
- \item[$ \log $] Logarítmo neperiano (de base $e$).
- \item[$ \ell $] log-verossimilhança maximizada.
- \item[AIC] Critério de Informação de Akaike, do inglês \textit{Akaike
- Information Criterion}.
-\end{simbolos}
+% \begin{simbolos}
+% \item[$ \log $] Logarítmo neperiano (de base $e$).
+% \item[$ \ell $] log-verossimilhança maximizada.
+% \item[AIC] Critério de Informação de Akaike, do inglês \textit{Akaike
+% Information Criterion}.
+% \end{simbolos}
% ---
% ---
--
GitLab