| dc.contributor | MARTÍNEZ, Raydonal Ospina | |
| dc.contributor | AMORIM, Leila Denise Alves Ferreira | |
| dc.creator | TRINDADE, Daniele de Brito | |
| dc.date | 2015-03-12T19:28:53Z | |
| dc.date | 2015-03-12T19:28:53Z | |
| dc.date | 2014-02 | |
| dc.identifier | TRINDADE, Daniele de Brito. Modelagem para dados longitudinais de contagem. Recife, 2014. 190 f. Dissertação (mestrado) - UFPE, Centro de Ciências Exatas e da Natureza , Programa de Pós-graduação em Estatística, 2014.. | |
| dc.identifier | https://repositorio.ufpe.br/handle/123456789/12291 | |
| dc.description | A modelagem para dados de contagem é bastante utilizada em diversas áreas do
conhecimento, como nas ciências biológicas, educação e saúde pública. O modelo
comumente utilizado para analisar dados de contagem é o modelo Poisson. Contudo,
quando os dados apresentam superdispersão o modelo Poisson não é mais indicado.
Existem extensões do modelo Poisson que podem ser usados nesta situação, como o
modelo Poisson in acionado de zeros (ZIP, em inglês). Porém, neste trabalho, é considerado
o modelo Binomial Negativo, que é adequado para esta situação, além de
ser um modelo simples e bastante conhecido. Uma suposição do modelo de regressão
tradicional é a independência entre as observações. Contudo, quando as unidades
amostrais são medidas repetidamente ao longo do tempo, os estudos longitudinais
permite a veri cação das taxas de mudança que ocorrem ao longo do tempo e os
fatores que podem motivar tal variação. Estes estudos são de particular interesse
quando o objetivo é avaliar variações globais ou individuais da resposta ao longo
do tempo. Este tipo de estudo considera a correlação entre as respostas dentro das
unidades amostrais e a ordenação cronológica das respostas. Duas abordagens de
regressão comumente utilizadas para analisar dados longitudinais são os modelos
condicionais e os marginais. O modelo condicional assume a existência de efeitos
aleatórios que descrevem o comportamento de um indivíduo especí co, sendo este
modelo também chamado de multinível. No modelo marginal a variável resposta é
modelada independentemente da correlação existente entre as medidas de cada unidade
amostral (denotada por correlação intra-indivíduo), modelando a expectativa
marginal como uma função das variáveis explicativas. Neste trabalho as duas abordagens
foram aplicadas à análise de dados de contagem longitudinais. Estudos de
simulação foram realizados para avaliar a performance dos estimadores provenientes
destas metodologias. Aplicações com bases de dados reais são apresentadas. | |
| dc.description | CAPES | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Pernambuco | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
| dc.subject | Dados de Contagem Longitudinais | |
| dc.subject | Distribuição Poisson | |
| dc.subject | Distribui ção Binomial Negativa | |
| dc.subject | Equações de Estimação Generalizadas | |
| dc.subject | Estudos de Simulação | |
| dc.subject | Modelos Multiníveis | |
| dc.subject | Modelos Marginais via Cópulas Gaussianas | |
| dc.title | Modelagem para Dados Longitudinais de Contagem | |
| dc.type | masterThesis | |
