Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/12291
Título: Modelagem para Dados Longitudinais de Contagem
Autor(es): TRINDADE, Daniele de Brito
Palavras-chave: Dados de Contagem Longitudinais; Distribuição Poisson; Distribui ção Binomial Negativa; Equações de Estimação Generalizadas; Estudos de Simulação; Modelos Multiníveis; Modelos Marginais via Cópulas Gaussianas
Data do documento: Fev-2014
Editor: Universidade Federal de Pernambuco
Citação: 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..
Resumo: 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.
URI: https://repositorio.ufpe.br/handle/123456789/12291
Aparece na(s) coleção(ções):Dissertações de Mestrado - Estatística

Arquivos deste item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO Daniele de Brito Trindade.pdf1,54 MBAdobe PDFVer/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons