From c499a57be3c1874ed2e0873c7920438162ffcf6f Mon Sep 17 00:00:00 2001
From: Cesar Augusto Taconeli <taconeli@inf.ufpr.br>
Date: Thu, 28 Jan 2016 19:09:38 -0200
Subject: [PATCH] Tenta quebrar linhas

---
 README.md | 8 ++++++++
 1 file changed, 8 insertions(+)

diff --git a/README.md b/README.md
index 67f5f1b..8747450 100644
--- a/README.md
+++ b/README.md
@@ -16,23 +16,31 @@ Dados de contagens configuram variáveis aleatórias que assumem valores inteiro
 negativos.  Correspondem, possivelmente, ao primeiro tipo de variável aleatória que o homem
 percebeu ou considerou para a tomada 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 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
 hipóteses, uma aproximação sujeita a imperfeições relevantes.
+
+
 O modelo Poisson é o principal e mais usado para inferência em dados de
 contagem, estando 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 que, 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 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
-- 
GitLab