Aqui você vê as diferenças entre duas revisões dessa página.
Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior | ||
cursos:planeco:roteiro:10-glm [2024/04/03 12:59] 127.0.0.1 edição externa |
cursos:planeco:roteiro:10-glm [2024/04/03 17:32] (atual) |
||
---|---|---|---|
Linha 644: | Linha 644: | ||
$$\hat{y} = \frac{e^{\hat{\eta}}}{1+e^{\hat{\eta}}} $$ | $$\hat{y} = \frac{e^{\hat{\eta}}}{1+e^{\hat{\eta}}} $$ | ||
- | <WRAP center round todo 80%> | + | <WRAP center round todo 95%> |
- | * calcule o predito pelo modelo para as variáveis preditoras e os coeficientes na escala original; | + | * calcule o predito pelo modelo na escala de probabilidade de floração para os valores das variáveis preditoras ''dose'' e ''variety'' dos dados originais ; |
- | * calcule o predito pelo modelo para todas as variedades com doses de hormônio de: 5.5, 12, 25; | + | |
- | * interprete o efeito da concentração na floração das variedades a partir dos coeficientes do modelo selecionado | + | |
- | </WRAP> | + | <WRAP center round tip 90%> |
- | + | ||
- | + | ||
- | <WRAP center round tip 80%> | + | |
**__Transformar os coeficientes e valores preditos pelo GLM:__** | **__Transformar os coeficientes e valores preditos pelo GLM:__** | ||
- | Para transformar o valor predito pelo modelo (''log(odds-ratio)'') na escala de medida (proporção ou probabilidade) é preciso transformar os preditos pelo modelo. Para gerar as predições do modelo usamos a função ''predict'', como no código abaixo. O predito pelo modelo, está na escala do preditor linear, portanto é necessário transformar essa medida com a função inversa da logit, como no código abaixo. <wrap hi>Lembre-se de mudar, no código, o "nomedomodelo"</wrap> pelo nome que usou quando construiu o glm. | + | Para transformar o valor predito pelo modelo (''log(odds-ratio)'') na escala de medida (proporção ou probabilidade) é preciso transformar os preditos pelo modelo. Para gerar as predições do modelo usamos a função ''predict'', como no código abaixo. O predito pelo modelo está na escala do preditor linear, portanto é necessário transformar essa medida com a função inversa da logit, como no código abaixo. <wrap hi>Lembre-se de mudar, no código, o "nomedomodelo"</wrap> pelo nome que usou quando construiu o glm. |
<code> | <code> | ||
- | preditoLinear <- predict("nomedomodelo") | + | preditoLinear <- predict(nomedomodelo) |
preditoProp <- exp(preditoLinear)/(1+ exp(preditoLinear)) | preditoProp <- exp(preditoLinear)/(1+ exp(preditoLinear)) | ||
Linha 670: | Linha 665: | ||
<code> | <code> | ||
- | predito <- predict("nomedomodelo", type = "response") | + | predito <- predict(nomedomodelo, type = "response") |
predito | predito | ||
Linha 677: | Linha 672: | ||
O **Rcmdr** não poderia ficar sem essa funcionalidade para interpretar os valores do predito pelo modelo na escala de observação: utilize o menu **Models> add observation statistic to data...>** e selecione apenas o **Fitted values**. O Rcmdr adiciona uma coluna nos dados chamada ''fitted."nome_do_modelo"'', com os previstos na escala de observação, nesse caso probabilidade. | O **Rcmdr** não poderia ficar sem essa funcionalidade para interpretar os valores do predito pelo modelo na escala de observação: utilize o menu **Models> add observation statistic to data...>** e selecione apenas o **Fitted values**. O Rcmdr adiciona uma coluna nos dados chamada ''fitted."nome_do_modelo"'', com os previstos na escala de observação, nesse caso probabilidade. | ||
+ | </WRAP> | ||
+ | |||
+ | * calcule o predito pelo modelo para todas as variedades com doses de hormônio de: 5.5, 12, 25; | ||
+ | * interprete o efeito da concentração na floração das variedades a partir dos coeficientes do modelo selecionado | ||
+ | |||
+ | |||