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-glmbinomial [2020/04/14 11:37] adalardo |
cursos:planeco:roteiro:10-glmbinomial [2020/04/19 14:21] (atual) adalardo |
||
---|---|---|---|
Linha 1: | Linha 1: | ||
- | ====== Modelos Generalizados: binomial ====== | + | ====== Modelos Lineares Generalizados: binomial ====== |
===== GLM: introdução ===== | ===== GLM: introdução ===== | ||
Linha 14: | Linha 14: | ||
{{section>cursos:planeco:roteiro:10-glm#glm:_componentes}} | {{section>cursos:planeco:roteiro:10-glm#glm:_componentes}} | ||
- | ====== GLM: binomial ====== | ||
- | {{section>cursos:planeco:roteiro:10-glm#glm_binário_ou_proporção}} | + | ===== GLM: dispersão e acumulo de zeros ====== |
- | + | ||
- | ====== Dispersão e acumulo de zeros ====== | + | |
{{section>cursos:planeco:roteiro:10-glm#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__** | ||
+ | ====== GLM: binomial ====== | ||
- | 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. | + | {{section>cursos:planeco:roteiro:10-glm#glm_binário_ou_proporção}} |
- | 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> | ||