Modelos multinÃveis para resposta binÃria: um enfoque na mà classificaÃÃo
AUTOR(ES)
Sandra RÃgo de Jesus
DATA DE PUBLICAÇÃO
2005
RESUMO
Modelos multinÃveis para resposta binÃria sÃo uma ferramenta poderosa para anÃlise de dados binÃrios que tem uma estrutura hierÃrquica ou de agrupamento. Esta estrutura à caracterizada pela presenÃa de observaÃÃes individuais (pessoas ou objetos em estudo) que sÃo considerados agrupados em um nÃvel mais alto. Este agrupamento pode ser devido a subamostragem em unidades amostrais primÃrias. Assim, as unidades de um mesmo nÃvel pertencentes a uma unidade de nÃvel mais alto raramente sÃo independentes. Por este motivo os modelos mutinÃveis sÃo apropriados para avaliar dados desta natureza. Eles permitem medir como as variÃveis de vÃrios nÃveis afetam a variÃvel resposta, alÃm de quantificar quanto da variabilidade da resposta se deve a cada nÃvel. Os modelos multinÃveis para dados binÃrios assumem que a variÃvel resposta à medida sem erro. O objetivo deste trabalho à apresentar a teoria dos modelos multinÃveis de 2 nÃveis para resposta binÃria com um enfoque na mà classificaÃÃo bem como os mÃtodos de implementaÃÃo na anÃlise de grupo-especÃfico, isto Ã, na anÃlise dos modelos mistos lineares generalizados, quando as probabilidades de mà classificaÃÃo sÃo conhecidas. Estes mÃtodos mostram que ignorar erros na resposta conduz a perda substancial de informaÃÃes sobre os efeitos da covariÃveis. Foram realizados estudos de simulaÃÃes que confirmam estas conclusÃes. Uma aplicaÃÃo na Ãrea de saÃde à tambÃm apresentada. Para as anÃlises foi utilizado o programa computacional R
ASSUNTO(S)
generalized linear mixed models binary misclassified response multilevel models dados binÃrios modelos mistos lineares generalizados binary data estatistica resposta binÃria mà classificada modelos multinÃveis
Documentos Relacionados
- InvestigaÃÃo sobre o efeito de ruÃdo na generalizaÃÃo de redes neurais sem peso em problemas de classificaÃÃo binÃria
- Redes Neurais ProbabilÃsticas para ClassificaÃÃo de Imagens BinÃrias
- Modelos escondidos de Markov para classificaÃÃo de proteÃnas
- MÃtodo de Potencial para a classificaÃÃo supervisionada
- Um mecanismo de classificaÃÃo cooperativa para busca e recuperaÃÃo de componentes de software