Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Próxima revisão Ambos lados da revisão seguinte | ||
disciplinas:ce225-2012-02:historico [2013/02/15 21:16] paulojus [section 4] |
disciplinas:ce225-2012-02:historico [2013/02/27 17:41] paulojus a revisão anterior foi restaurada (2013/02/27 17:37) |
||
---|---|---|---|
Linha 28: | Linha 28: | ||
| 01/02 | LABEST (VER ABAIXO) |Interpretações de resultados das análises | | | | | | | | | 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 | | | | | | | | | 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) | | | | | | | | | ||
+ | | 22/02 |atividades de estudo (ver abaixo) | | | | | | | | | ||
+ | | 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 | 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> | </code> | ||
Linha 286: | Linha 347: | ||
lines(exp(ypred$fit + 2*ypred$se.fit) ~ I(ano.seq+1980), lty=2) | lines(exp(ypred$fit + 2*ypred$se.fit) ~ I(ano.seq+1980), lty=2) | ||
</code> | </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" ? |