Ferramentas do usuário
cursos:planeco:roteiro:10-glmbinomial
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
| Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Última revisão Ambos lados da revisão seguinte | ||
|
cursos:planeco:roteiro:10-glmbinomial [2020/04/14 11:37] adalardo |
cursos:planeco:roteiro:10-glmbinomial [2020/04/19 14:19] adalardo |
||
|---|---|---|---|
| Linha 1: | Linha 1: | ||
| - | ====== Modelos Generalizados: binomial ====== | + | ====== Modelos Lineares Generalizados: binomial ====== |
| ===== GLM: introdução ===== | ===== GLM: introdução ===== | ||
| Linha 9: | Linha 9: | ||
| {{section>cursos:planeco:roteiro:10-glm#glm:_introdução}} | {{section>cursos:planeco:roteiro:10-glm#glm:_introdução}} | ||
| + | |||
| + | ===== GLM: dispersão e acumulo de zeros ====== | ||
| + | |||
| + | {{section>cursos:planeco:roteiro:10-glm#dispersão_e_acumulo_de_zeros}} | ||
| ===== GLM: componentes ===== | ===== GLM: componentes ===== | ||
| Linha 18: | Linha 22: | ||
| {{section>cursos:planeco:roteiro:10-glm#glm_binário_ou_proporção}} | {{section>cursos:planeco:roteiro:10-glm#glm_binário_ou_proporção}} | ||
| - | ====== Dispersão e acumulo de zeros ====== | ||
| - | {{section>cursos:planeco:roteiro:10-glm#dispersão_e_acumulo_de_zeros}} | ||
| - | |||
| - | Os modelo GLM poisson e binomial apresentam a variância acoplada à média dos valores, diferentemente dos modelos com distribuição normal onde a média e a variância são independentes. Caso haja uma variação maior ou menor nos dados do que o previsto por essas distribuições, o modelo não consegue dar conta. Essa sobre-dispersão ou sub-dispersão dos dados indica que temos mais ou menos variação do que é predito pelos modelos. Isso pode ser decorrência de vários fontes de erro na definição do modelo, alguns exemplos são: | ||
| - | * o resíduo dos dados pode não ter sido gerado por um processo aleatório poisson ou binomial | ||
| - | * há mais variação do que predito pela ausência de preditoras importantes | ||
| - | * muitos zeros, além do predito pelas distribuições, em decorrência de diferentes processos: um que gera a ausência e outro que gera a variação nas ocorrências de sucesso | ||
| - | |||
| - | <WRAP center round tip 100%> | ||
| - | **__ Soluções para a sobre-dispersão e acumulo de zeros__** | ||
| - | |||
| - | |||
| - | A solução mais simples para lidar com sobre-dispersão são os modelo quasipoisson e quasibinomial, que estimam um parâmetro a mais, relacionando a média à variância, o parâmetro de dispersão. Entretanto, os modelos ''quasi'' dão conta apenas de sobre-dispersões moderadas e não indicam qual a fonte dela. | ||
| - | Há algumas alternativas ao modelo ''quasi'' para a sobre-dispersão dos dados, alguns deles estão listados abaixo: | ||
| - | * modelo binomial negativo | ||
| - | * modelo de mistura, considerando dois processos distintos | ||
| - | * modelos mistos, considerando a ausência de independência das observações | ||
| - | * modelos com acúmulos de zeros (Zero Inflated Models). | ||
| - | |||
| - | Não é objetivo deste curso mostrar todas essas alternativas, mas caso se deparem com esse problema, muito frequente na área da biológica, saibam que existem alternativas robustas para solucioná-lo. | ||
| - | |||
| - | |||
| - | </WRAP> | ||
cursos/planeco/roteiro/10-glmbinomial.txt · Última modificação: 2020/04/19 14:21 por adalardo
Exceto onde for informado ao contrário, o conteúdo neste wiki está sob a seguinte licença: CC Attribution-Noncommercial-Share Alike 4.0 International
