Use este identificador para citar ou linkar para este item: http://dspace.bc.uepb.edu.br/jspui/handle/123456789/12851
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorFidelis, Cleanderson Romualdo-
dc.date.accessioned2017-03-17T02:51:35Z-
dc.date.available2017-03-17T02:51:35Z-
dc.date.issued2016-12-13-
dc.identifier.otherCDD 519-
dc.identifier.urihttp://dspace.bc.uepb.edu.br/jspui/handle/123456789/12851-
dc.descriptionFIDELIS, C. R. Ajustes de modelos de regressão lineares generalizados na prevalência de infecção respiratória aguda. 2016. 51f. Trabalho de Conclusão de Curso (Graduação em Estatística)- Universidade Estadual da Paraíba, Campina Grande, 2016.pt_BR
dc.description.abstractOs modelos de regressão, assim como em toda teoria estatística, são usualmente utilizados de amostras para representar populações. As relações descritas através destes modelos são representadas por estatísticas (valores dos estimadores, que são calculados a partir da amostra), que passam a representar as verdadeiras relações envolvidas com a população, donde provém o conjunto de dados. Os Modelos Lineares Generalizados (MLG’s) apresentam-se como ferramentas poderosas na análise de dados onde o interesse é o estudo da relação entre uma variável resposta, medida em escala contínua ou discreta e variáveis que tomam valores inteiros não negativos, em função das variáveis preditoras, tanto de natureza quantitativas e/ou qualitativas. É importante observar que, em algumas metodologias de análise, são requeridos alguns pressupostos que nem sempre são atendidos, portanto, o experimentador não pode se omitir sob consequências graves como, por exemplo, valores elevados dos erros e inferências inconsistentes (viesadas). Para modelar o número de casos de Influenza Respiratória Aguda (IRA), utilizou-se o modelo de Poisson, mas, após este ajuste constatou-se a presença de sobredispersão. Alternativamente, utilizou-se uma distribuição binomial negativa para incorporar a sobredispersão. Após o ajuste do número de casos de IRA em função das variáveis temperatura, umidade relativa do ar e precipitação, observou-se que a variável precipitação não era significantiva para o modelo binomial negativo (nível de significância de 5%), constatando-e por meio da análise residual, por meio dos resíduos estudentizados, distância de Cook e matriz de valores h, os quais auxiliam na validação do modelo binomial negativo para IRA, com as variáveis explicativas: temperatura e umidade relativa do ar.pt_BR
dc.description.sponsorshipOrientador: Ricardo Alves de Olindapt_BR
dc.language.isootherpt_BR
dc.subjectBinomial negativapt_BR
dc.subjectSobredispersãopt_BR
dc.subjectModelos lineares generalizadospt_BR
dc.subjectModelos de regressãopt_BR
dc.titleAjustes de modelos de regressão lineares generalizados na prevalência de infecção respiratória agudapt_BR
dc.typeOtherpt_BR
Aparece nas coleções:09 - TCC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
PDF - Cleanderson Romualdo Fidelis.pdfPDF - Cleanderson Romualdo Fidelis11.81 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.