Submitted by Etelvina Domingos (etelvina.domingos@ufpe.br) on 2015-03-12T19:28:53Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
DISSERTAÇÃO Daniele de Brito Trindade.pdf: 1575283 bytes, checksum: 7c79e6ffbd150b8169bb357d1a252353 (MD5) / Made available in DSpace on 2015-03-12T19:28:53Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
DISSERTAÇÃO Daniele de Brito Trindade.pdf: 1575283 bytes, checksum: 7c79e6ffbd150b8169bb357d1a252353 (MD5)
Previous issue date: 2014-02 / CAPES / 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.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/12291 |
| Date | 02 1900 |
| Creators | TRINDADE, Daniele de Brito |
| Contributors | MARTÍNEZ, Raydonal Ospina, AMORIM, Leila Denise Alves Ferreira |
| Publisher | Universidade Federal de Pernambuco |
| Source Sets | IBICT Brazilian ETDs |
| Language | Breton |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds