Skip to content
GitLab
Explore
Sign in
Primary navigation
Search or go to…
Project
MRDCr
Manage
Activity
Members
Labels
Plan
Issues
Issue boards
Milestones
Wiki
Code
Merge requests
Repository
Branches
Commits
Tags
Repository graph
Compare revisions
Build
Pipelines
Jobs
Pipeline schedules
Artifacts
Deploy
Releases
Model registry
Operate
Environments
Monitor
Incidents
Analyze
Value stream analytics
Contributor analytics
CI/CD analytics
Repository analytics
Model experiments
Help
Help
Support
GitLab documentation
Compare GitLab plans
Community forum
Contribute to GitLab
Provide feedback
Keyboard shortcuts
?
Snippets
Groups
Projects
Show more breadcrumbs
leg
MRDCr
Commits
5a84ef5f
Commit
5a84ef5f
authored
9 years ago
by
Cesar Augusto Taconeli
Browse files
Options
Downloads
Patches
Plain Diff
Atualizacoes
parent
1dafab09
No related branches found
No related tags found
No related merge requests found
Changes
1
Show whitespace changes
Inline
Side-by-side
Showing
1 changed file
README.md
+27
-27
27 additions, 27 deletions
README.md
with
27 additions
and
27 deletions
README.md
+
27
−
27
View file @
5a84ef5f
Modelos de Regressão para Dados de Contagem com o R
===================================================
Cesar Augusto Taconeli
\
Walmes Marques Zeviani
\
Eduardo Elias Ribeiro Jr
\
Walmes Marques Zeviani
Cesar Augusto Taconeli
Resumo
------
Contagens são
variáveis aleatórias que assumem valores inteiros não
negativos.
P
ossivelmente
foi
a primeir
a
variável aleatória que o homem
percebeu ou considerou para toma
r
decisões, antes mesmo do surgimento da
Dados de contagens configuram
variáveis aleatórias que assumem valores inteiros não
negativos.
Correspondem, p
ossivelmente
,
a
o
primeir
o tipo de
variável aleatória que o homem
percebeu ou considerou para
a
toma
da de
decisões, antes mesmo do surgimento da
escrita.
Na era atual, métodos para inferência em dados de contagem estão bem
aquém da quantidade disponível para dados contínuos. Não é raro,
inclusive, que dados de contagem sejam analisados
por
modelos para dados
inclusive, que dados de contagem sejam analisados
com base em
modelos para dados
contínuos. Se por um lado existem muitos modelos disponíveis nessa
classe, por outro, seu uso para dados discretos é, na melhor das
intenções, uma aproximação sujeita a imperfeições relevantes.
hipóteses, uma aproximação sujeita a imperfeições relevantes.
O modelo Poisson é o principal e mais usado para inferência em dados de
contagem
. Ele
esta disponível na maioria dos softwares Estatísticos e
grades curriculares. Apesar disso, reconhece-se que
as suas suposições
são frequentemente não atendidas
em muitas aplicações
e, nessas
contagem
,
esta
ndo
disponível na maioria dos softwares Estatísticos e
grades curriculares. Apesar disso, reconhece-se que
, na prática, as suposições inerentes a esse modelo
são frequentemente não atendidas
, de tal forma qu
e, nessas
situações, seu uso é não recomendado.
Contagens com excesso de zeros, sub ou super dispersão, limitadas,
censuradas, provenientes de experimentos/amostragem multinível, são
exemplos que demandam modelos mais flexíveis ou mais gerais que o
Poisson. No software R, vários pacotes disponibilizam alternativas
interessantes, prontamente disponível para uso, de modelos para dados de
contagem.
Como todas as áreas da ciência têm dados de contagem (agronomia,
ecologia, demografia, medicina, ciências sociais e políticas, etc)
interessantes, prontamente disponíveis para uso, de modelos para dados de
contagens.
Uma vez que dados de contagem estão presentes em todas as áreas da ciência (agronomia,
ecologia, demografia, medicina, ciências sociais e políticas, etc),
relacionados a problemas de inferência, não se deve subestimar a
importância mas estimular o conhecimento e emprego correto d
os
modelos
de regressão.
importância
,
mas estimular o conhecimento e emprego correto d
e
modelos
de regressão
apropriados para a análise de dados dessa natureza
.
Objetivos
---------
O objetivo desse Curso é apresentar modelo
s
d
e
regressão para análise de
dados de contagem e ilustrar suas aplicações. Serão
considerados o
modelo Poisson, algumas extensões
(Quasi-Poisson, COM-Poisson,
Count-Gamma, Binomial-Nagativo), modelos para
inflação de zeros e
efeitos aleatórios. As aplicações serão todas
feit
a
s
em R e os m
at
e
ri
ais
do Curso (slides, dados, scripts) serão disponibilizados na web.
O objetivo desse Curso é apresentar diferentes modelos de regressão para análise de
dados de contagem, discutir suas principais propriedade
s e
ilustrar
suas aplicações em dados reais por meio do software R. Dentre os modelos
considerados
estão
o
modelo Poisson, algumas extensões
para acomodação de super (ou sub) dispersão
(Quasi-Poisson, COM-Poisson,
Count-Gamma, Binomial-Nagativo), modelos para
dados
inflacionados de zeros e com a inclusão de e
feit
o
s
ale
at
ó
ri
os.
Os materiais
do Curso (slides, dados, scripts) serão disponibilizados na web.
\ No newline at end of file
This diff is collapsed.
Click to expand it.
Preview
0%
Loading
Try again
or
attach a new file
.
Cancel
You are about to add
0
people
to the discussion. Proceed with caution.
Finish editing this message first!
Save comment
Cancel
Please
register
or
sign in
to comment