disciplinas:ce225-2012-02:historico

Não foi possível enviar o arquivo. Será algum problema com as permissões?

Você está aqui: start » disciplinas » ce225-2012-02 » historico

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- disciplinas:ce225-2012-02:historico [2013/02/15 21:16]
paulojus [section 4]
+++ disciplinas:ce225-2012-02:historico [2013/02/27 17:41]
paulojus
@@ Linha 28: / Linha 28: @@
 | 01/02 | LABEST (VER ABAIXO) |Interpretações de resultados das análises   |   |  |  | | | |
 | 06/02 | PA-03 (VER ABAIXO)|Testes de hipótese em GLM e tipos de resíduos, com ênfase em de Pearson e de Deviance  |   |  |  | | | |
-| 08/02 | LABEST (VER ABAIXO) |  |   |  |  | | | |
+| 15/02 | LABEST Análise de tabelas de contingência. Distribuições e modelos alternativos e equivalências em análise  via GLM|  |   |  |  | | | |
+| 20/02 |atividades de estudo (ver abaixo). Examinar e estudar exemplos do Cap 7 de C&D |  |   |  |  | | | |
+| 22/02 |atividades de estudo (ver abaixo). Examinar e estudar exemplos do Cap 7 de C&D |  |   |  |  | | | |
+| 27/02 |PA-03. Outros GLM's - estendendo GLM usuais - modelos com dispersão, modelagem de média e variância, quasi verosimilhança, superdispersão e efeitos eleatórios|  |   |  |  | | | |
+| 01/03 | LABEST - exemplos de "outros" GLM's|  |   |  |  | | | |
@@ Linha 227: / Linha 231: @@
 M         375	     134
 ------------------------------
+</code>
+<code R>
+M <- cbind(c(435, 375), c(147, 134))
+dimnames(M) <- list(c("F", "M"), c("S", "N"))
+M
+chisq.test(M)
+addmargins(M)
+Mesp <- outer(rowSums(M), colSums(M))/sum(M)
+Mesp
+(Chi2 <- sum(((M - Mesp)^2)/Mesp))
+chisq.test(M, correct=F)
+vam <- data.frame(Y=as.vector(M), Sexo = rownames(M), Acredita=rep(colnames(M), each=2))
+vam
+## Modelo 0
+## Modelo 1: (independência)
+## E(Y) = mu = n * Sexo * Acredita
+## log(mu)  = log(n) + log(Sexo) + log(Acredita)
+mod1 <- glm(Y ~ Sexo + Acredita, family=poisson(link="log"), data=vam)
+model.matrix(mod1)
+mod1
+fitted(mod1)
+Mesp
+resid(mod1, type="pearson")
+(M - Mesp)/sqrt(Mesp)
+sum(resid(mod1, type="pearson")^2)
+resid(mod1, type="deviance")
+sum(resid(mod1, type="deviance")^2)
+## Modelo 2: não independência
+mod2 <- glm(Y ~ Sexo * Acredita, family=poisson, data=vam)
+model.matrix(mod2)
+mod2
+fitted(mod2)
+M
+anova(mod1, mod2, test="Chisq")
+## extensível a várias dimensões - modelos log-lineares
+# sob link canônico X'y = X'\hat{mu}
+#  - marginais preditas iguais a observadas em mod1
 </code>
@@ Linha 286: / Linha 347: @@
 lines(exp(ypred$fit + 2*ypred$se.fit) ~ I(ano.seq+1980), lty=2)
 </code>
-.
+=== 20/02 ===
+   - Obter as funções de verossimilhança para os quatro modelos discutidos em aula para tabelas de contingência
+   - proceder as análises com cada um dos modelos usando algum ambiente computacional
+   - Examinar e justificar a razão pela qual podem ser ajustados com GLM com família Poisson
+   - Comparar e discutir semelhanças e diferenças entre o ajuste de GLM com outros procedimentos (teste exato de fisher, teste chi-quadrado)
+=== 22/02 ===
+  - Mostrar como quantidades de interesse (predição) podem ser obtidas. Utilizar os exemplos vistos em aula.
+    - Mostrar como obter as predições na escala da resposta e da função de ligação
+    - Mostrar como obter os intervalos de predição
+    - Verificar os resultados com os retornados pela função ''predict()'' do R
+    - **Algumas sugestões**
+      - como calcular os valores da curva de valores ajustados nos exemplos da //creatinina vs infarto// e no de "novos casos de AIDS na Bélgica". Ainda neste exemplo, como estimar a dose associada a uma certa probabilidade fixada de morte?
+      - como calcular as contagens esperadas no exemplo de //crença vc sexo" ?

Diferenças

Navegação

Busca

Ferramentas

QR Code