diff --git a/DESCRIPTION b/DESCRIPTION
index ff1d055a610c3cb7f58eda652bdc6dfc4570595b..1f8ced8788f67e102bbf8986d26fecf1e336dfb0 100644
--- a/DESCRIPTION
+++ b/DESCRIPTION
@@ -47,6 +47,7 @@ Suggests:
rmarkdown,
shiny,
rpanel,
- testthat
+ testthat,
+ methods
VignetteBuilder: knitr
RoxygenNote: 5.0.1
diff --git a/NAMESPACE b/NAMESPACE
index 21dc31b9cd5e2c5fba2e5589232c15a3ef0f4a87..160865507fe4aee1e432496cb76b2629e3ce605a 100644
--- a/NAMESPACE
+++ b/NAMESPACE
@@ -23,4 +23,5 @@ importFrom(stats,model.offset)
importFrom(stats,model.response)
importFrom(stats,pgamma)
importFrom(stats,poisson)
+importFrom(stats,qnorm)
importFrom(utils,combn)
diff --git a/R/methods.R b/R/methods.R
new file mode 100644
index 0000000000000000000000000000000000000000..2f8e629cd6fb7213799a0322a9b4d66f389ac007
--- /dev/null
+++ b/R/methods.R
@@ -0,0 +1,205 @@
+#' @importFrom stats qnorm
+NULL
+
+# @author Walmes Zeviani, \email{walmes@@ufpr.br}.
+# @description Função para calcular a média do tipo \eqn{E(Y) = \mu =
+# \sum y\cdot \Pr(y)} para uma variável aleatória Gamma Count a
+# partir dos parâmetros \eqn{\lambda > 0} e \eqn{\alpha > 0}.
+# @param lambda Parâmetro de locação da distribuição Gamma Count,
+# \eqn{\lambda > 0}. Quando \eqn{\alpha = 1}, o parâmetro
+# \eqn{\lambda = E(Y)} é a média.
+# @param lambda Parâmetro de dispersão da distribuição Gamma Count,
+# \eqn{\alpha > 0}.
+# @param tol Tolerância para interromper a procura pelo valor de
+# \code{ymax}, valor cuja probabilidade correspondente é inferior a
+# \code{tol}, para valores os valores de \code{lambda} e
+# \code{alpha} informados.
+# @return Um vetor de tamanho igual ao do maior vetor, \code{lambda} ou
+# \code{alpha} com os valores correspondentes de \eqn{\mu}.
+calc_mean_gcnt <- function(lambda, alpha, tol = 1e-5) {
+ # Faz com que os parâmetros sejam vetores de mesmo tamanho.
+ names(lambda) <- NULL
+ names(alpha) <- NULL
+ pars <- data.frame(lambda = lambda, alpha = alpha)
+ # Calcula o ymax usando mu + 5 (sqrt(sigma))
+ ymax <- with(pars, ceiling(max(lambda + 5 * sqrt(lambda/alpha))))
+ # Agora verifica se a prob(ymax) é de fato pequena, se não, soma 1.
+ lambdamax <- max(pars$lambda)
+ alphamin <- max(pars$alpha)
+ pmax <- dgcnt(y = ymax, lambda = lambdamax, alpha = alphamin)
+ while (pmax > tol) {
+ ymax <- ymax + 1
+ pmax <- dgcnt(y = ymax, lambda = lambdamax, alpha = alphamin)
+ }
+ # Define o vetor onde avaliar a acumulada da Gamma.
+ y <- 1:ymax
+ estmean <- mapply(lambda = pars$lambda,
+ alpha = pars$alpha,
+ MoreArgs = list(y = y),
+ FUN = function(lambda, alpha, y) {
+ sum(pgamma(q = 1,
+ shape = y * alpha,
+ rate = alpha * lambda))
+ },
+ SIMPLIFY = TRUE)
+ names(estmean) <- NULL
+ return(estmean)
+}
+
+# @author Walmes Zeviani, \email{walmes@@ufpr.br}.
+# @description Função para obter o valores de \eqn{\eta = X\beta} que
+# é o preditor da parte de locação do modelo de regressão,
+# incluindo o intervalo de confiança para \eqn{\eta}, caso
+# corretamente especificado pelo argumento \code{qn}.
+# @param V Matriz de variância e covariância das estimativas dos
+# parâmetros da parte de locação do modelo, necessário para
+# calcular a média.
+# @param X Matriz de funções lineares para obter \eqn{\hat{eta} = X
+# \hat{\beta}}, em que \eqn{\beta} são os coeficientes da porção de
+# locação.
+# @param b Estimativas dos parâmetros da parte de locação, ou seja,
+# \eqn{\hat{\beta}}.
+# @param qn Quantis da distribuição normal padrão apropriados para um
+# intervalo de confiança conhecida.
+# @return Um vetor se \code{length(qn) == 1} e uma matriz caso
+# contrário.
+cholV_eta <- function(V, X, b, qn) {
+ # V: matriz de covariância dos parâmetros de média.
+ # X: matriz funções lineares para obter as médias.
+ # b: vetor de estimativas dos parâmetros de média.
+ # qn: quantis da normal para o nível de confiança informado.
+ eta <- c(X %*% b)
+ if (length(qn) > 1) {
+ U <- chol(V)
+ stderr <- sqrt(apply(X %*% t(U),
+ MARGIN = 1,
+ FUN = function(x) {
+ sum(x^2)
+ }))
+ eta <- sweep(x = outer(stderr, qn, FUN = "*"),
+ MARGIN = 1,
+ STATS = eta,
+ FUN = "+")
+ }
+ return(eta)
+}
+
+# @author Walmes Zeviani, \email{walmes@@ufpr.br}
+# @description Função para fazer a predição para modelos de regressão
+# Poisson Generalizado, Gamma Count e COM-Poisson. Essa função
+# recebe o objeto retornado pela \code{\link[bbmle]{mle2}} e, de
+# acordo com a função de log-verossimilhança usada na otimização
+# (\code{\link{llpgnz}}, \code{\link{llgcnt}} ou \code{llcmp}),
+# retorna os valores preditos na escala do preditor linear ou da
+# resposta.
+# @usage
+# predict(object,
+# newdata,
+# type = c("link", "response"),
+# interval = c("none", "confidence"),
+# level = 0.95, ...)
+# @param object Um objeto de classe \code{mle2} proveniente da função
+# \link[bbmle]{mle2} ou das funções \code{\link{pgnz}},
+# \code{\link{gcnt}} ou \code{cmp}.
+# @param newdata Uma matriz com colunas da dimensão do número de
+# parâmetro na parte de média do modelo de regressão para
+# contagem. O argumento \code{newdata} nesta função não lida com
+# \code{data.frame}.
+# @param type Tipo de valor retornado, em que \code{"link"} é na
+# escala do preditor linear e \code{"response"} é na média da
+# distribuição da variável de contagem.
+# @param interval Especifica o tipo de intervalo de confiança calculado
+# em que \code{"confidence"} produz intervalo de confiança para o
+# tipo de valor retornado e \code{"none"} apenas retorna as
+# estimativas pontuais.
+# @param level Nível de confiança do intervalo, quando não informado
+# 0.95 é usado.
+# @inheritParams stats::predict
+# @return Um vetor se \code{interval = "none"} e uma matriz de 3
+# colunas se \code{interval = "confidence"}
+# @importFrom stats qnorm
+# @examples
+#
+# str(capdesfo)
+# n0 <- gcnt(ncap ~ est * (des + I(des^2)), data = capdesfo)
+# n1 <- pgnz(ncap ~ est * (des + I(des^2)), data = capdesfo)
+#
+# cbind(predict(n0, type = "response"),
+# predict(n1, type = "response"))
+#
+# Define uma função método.
+predict.mle2 <- function(object, newdata,
+ type = c("link", "response"),
+ interval = c("none", "confidence"),
+ level = 0.95, ...) {
+ #----------------------------------------
+ if (!missing(newdata)) {
+ if (is.matrix(newdata)) {
+ if (all(colnames(newdata) == names(coef(object)[-1]))) {
+ X <- newdata
+ } else {
+ stop(paste("Nomes das colunas em `newdata` nao",
+ "bate com dos coeficientes."))
+ }
+ } else {
+ stop("`newdata` tem que ser uma matriz.")
+ }
+ } else {
+ X <- object@data$X
+ }
+ #--------------------------------------------
+ interval <- match.arg(interval)
+ qn <- -qnorm((1 - level[1])/2)
+ qn <- switch(interval[1],
+ confidence = qn * c(lwr = -1, fit = 0, upr = 1),
+ none = qn * c(fit = 0))
+ #--------------------------------------------
+ cll <- as.character(object@call.orig)
+ mdl <- grep(x = cll,
+ pattern = "\\b(llpgnz|llgcnt|llcmp)\\b",
+ value = TRUE)
+ if (!mdl %in% c("llpgnz", "llgcnt", "llcmp")) {
+ stop("Funcao usada como `minuslogl` nao reconhecida.")
+ }
+ #--------------------------------------------
+ type <- match.arg(type)
+ pred <-
+ switch(mdl,
+ "llpgnz" = {
+ V <- vcov(object)
+ V <- V[-1, -1]
+ eta <- cholV_eta(V, X,
+ b = coef(object)[-1],
+ qn = qn)
+ switch(type,
+ "link" = eta,
+ "response" = exp(eta))
+ },
+ "llgcnt" = {
+ V <- vcov(object)
+ V <- V[-1, -1]
+ eta <- cholV_eta(V, X,
+ b = coef(object)[-1],
+ qn = qn)
+ switch(type,
+ "link" = eta,
+ "response" = {
+ apply(exp(as.matrix(eta)),
+ MARGIN = 2,
+ FUN = calc_mean_gcnt,
+ alpha = exp(coef(object)[1]))})
+ })
+ pred <- cbind(pred)
+ colnames(pred) <- names(qn)
+ return(pred)
+}
+
+# @author Walmes Zeviani, \email{walmes@@ufpr.br}
+# @description Apenas para criar o método \code{predict} para objetos
+# retornados pela \code{\link[bbmle]{mle2}}. No entanto, essa
+# função só irá retornar predição se as funções otimizadas forem as
+# log-verossimilhanças \code{\link{llpgnz}}, \code{\link{llgcnt}} e
+# \code{llcmp}.
+methods::setMethod(f = "predict",
+ signature = "mle2",
+ definition = predict.mle2)