Upload
internet
View
110
Download
0
Embed Size (px)
Citation preview
Regressão Logística e Aplicações em Software
EstatísticosOrientando : Alexandro Vieira Lopes
Orientadora : Profª. Drª.Vilma Mayumi Tachibana
Co-Orientador : Prof. Dr. Fernando Antônio Moala1/ 23
INTRODUÇÃO
2/ 23
MODELAGEM MATÉMATICA arte de transformar problemas da realidade em problemas matemáticos e resolvê-los interpretando suas soluções na linguagem do mundo real.
Objetivo extrair a parte essencial da situação-problema e formalizá-la numa linguagem usual.
Finalidade previsão de tendências.
INTRODUÇÃO
3/ 23
Classificação dos Modelos:Linear ou não-linear: conforme suas equações básicas tenham estas características.Estático: quando representa a forma do objeto. Exemplo: forma geométrica do alvéolo.Dinâmico: quando simula variações de estágios do fenômeno, por exemplo, crescimento populacional de uma colméia.Estocástico: descrevem a dinâmica de um sistema em termos probabilísticos.Determinístico: o futuro do sistema pode ser previsto precisamente.
INTRODUÇÃO
4/ 23
Um modelo deve prever no mínimo, os fatos que o originaram. Um bom modelo é aquele que tem a capacidade de previsão de novos fatos .
Uma Regressão ou Curva de Tendência pode ser um primeiro passo para a Modelagem.
INTRODUÇÃO
5/ 23
Termo Regressão surgiu no século XIX.Sir Francis Galton estudou a relação entre altura dos
pais e filhos.Na média decréscimo nos valores encontrados entre
as duas gerações “regression to mediocrity”.
Uma regressão ou ajuste de curvas é um recurso formal para expressar alguma tendência da variável dependente Y quando relacionada com a variável independente X.
INTRODUÇÃO
Regressão Logística deriva seu nome da transformação logística usada com a variável dependente.
Vantagens saber apenas se um evento ocorreu para usar um valor dicotômico como nossa variável dependente.
Procedimento estimativa da probabilidade de que o evento ocorrerá ou não. Se a probabilidade for maior que 0,50, então a previsão será sim, caso contrário será não.
Variável resposta código “1” acontecimento de interesse (“sucesso”) e o código “0” ao resultado complementar (“fracasso”).
6/ 23
INTRODUÇÃO
Áreas de aplicação: Agronomia, Biologia, Farmacologia, Engenharia, Medicina, Finanças entre muitas outras:
Resultado positivo ou negativo de um exame médico;O risco de um cliente ser inadimplente ou adimplente; Um candidato ser eleito ou não em uma eleição;Em educação, verificar se um candidato será aprovado
ou não num teste.
7/ 23
INTRODUÇÃO
O modelo logístico é certamente o mais utilizado para dados binários pela simplicidade, pela disponibilidade em vários software estatísticos e principalmente devido à facilidade de interpretação dos coeficientes de regressão em termos da razão de chances. (ISHIKAWA, 2007, p. 7).
8/ 23
OBJETIVOS
9/ 23
Aprender Regressão Logística e suas aplicações
Estudar as várias medidas de verificação do ajuste, a interação entre as variáveis, além da Regressão Logística multinomial.
Verificar as semelhanças e diferenças dos resultados nos software estatísticos.
JUSTIFICATIVA
10/ 23
Este estudo sobre Regressão Logística vai além de outros estudos realizados nos últimos anos pelos alunos do 4° ano, abordando com mais intensidade a interação entre variáveis, verificação do ajuste, etc.
Pesquisa no fórum da internet STAT-MATH no período de 04 de março de 2008 até 09 de março de 2008, de 10 ofertas de emprego, 20 % delas são relacionadas à área de Regressão Logística
JUSTIFICATIVA
11/ 23Figura 1 - Oportunidade de trabalho na área de modelagem.
MATERIAIS E MÉTODOS
12/ 23
Pesquisas bibliográficas & Pesquisas via internet.
Encontros com orientadores.
APLICAÇÃO Conjunto de dados:Livro de Hosmer e Lemeshow (2000), disponível na
internet.
Dados utilizados por Tachibana (1995) e Souza (1999) na predição do risco de óbito hospitalar em pacientes com infarto agudo do miocárdio.
1 Elaboração, entrega e apresentação do projeto de Pesquisa;
ETAPAS E CRONOGRAMA
MêsEtapa
Março Abril Maio Junho Julho Agosto Setembro Outubro NovembroDezembr
o
1 X
2
3
4
5
6
7
13/ 23
2 Pesquisa bibliográfica sobre Modelagem Matemática;
ETAPAS E CRONOGRAMA
MêsEtapa
Março Abril Maio Junho Julho Agosto Setembro Outubro NovembroDezembr
o
1
2 X X
3
4
5
6
7
14/ 23
3 Pesquisa bibliográfica sobre Regressão Logística;
ETAPAS E CRONOGRAMA
MêsEtapa
Março Abril Maio Junho Julho Agosto Setembro Outubro NovembroDezembr
o
1
2
3 X X X
4
5
6
7
15/ 23
4 Elaboração, entrega e apresentação do Relatório Parcial;
ETAPAS E CRONOGRAMA
MêsEtapa
Março Abril Maio Junho Julho Agosto Setembro Outubro NovembroDezembr
o
1
2
3
4 X X
5
6
7
16/ 23
5 Aplicação em software estatísticos;
ETAPAS E CRONOGRAMA
MêsEtapa
Março Abril Maio Junho Julho Agosto Setembro Outubro NovembroDezembr
o
1
2
3
4
5 X X X
6
7
17/ 23
6 Elaboração, entrega e apresentação do Relatório Final;
ETAPAS E CRONOGRAMA
MêsEtapa
Março Abril Maio Junho Julho Agosto Setembro Outubro NovembroDezembr
o
1
2
3
4
5
6 X X
7
18/ 23
7 Entrega do Relatório Final corrigido.
ETAPAS E CRONOGRAMA
MêsEtapa
Março Abril Maio Junho Julho Agosto Setembro Outubro NovembroDezembr
o
1
2
3
4
5
6
7 X X
19/ 23
REFERÊNCIAS
BASSANEZI, R.C. Ensino-aprendizagem com modelagem matemática. São Paulo: Contexto, 2004. 389 p.
FARHAT, C. A. V. Análise de diagnóstico em regressão logística.
2003. 113 f. Dissertação (Mestrado em Estatística) – Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo.
HAIR Jr, J.F. et al. Análise multivariada de dados. Tradução de
Adonai Schlup Sant’ana , Anselmo Chaves Neto. Bookman, 2005. 593 p.
HOSMER, D.W.; LEMESHOW, S. Applied logistic regression. 2nd ed. New York: Wiley, 2000. 375 p.
20/ 23
REFERÊNCIAS
ISHIKAWA, N.I. Uso de transformações em modelos de regressão logística. 2007. 92 f. Dissertação (Mestrado em Ciências) – Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo.
SOUZA, A.D.P. Métodos aproximados em modelos hierárquicos dinâmicos bayesianos. 1999. 142 f. Tese (Doutorado em Ciências em Engenharia de Produção) – COPPE, Universidade Federal do
Rio de Janeiro, Rio de Janeiro.
TACHIBANA, V.M. Métodos aproximados em modelos bayesianos de resposta aleatorizada e regressão logística. 1995. 133 f.
Tese (Doutorado em Ciências em Engenharia de Produção) – COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro.
21/ 23
BIBLIOGRAFIA
BUSSAB, W. de O. Análise de variância e de regressão. São Paulo: Atual, 1986. 147 p.
BUSSAB, W. de O.; MORETIN, P.A. Estatística básica. 5. ed. São
Paulo: Saraiva, 2002. 526 p.
MOOD, A. M.; GRAYBILL, A. F.; BOES, C. D. Introduction to the theory of statistics. 3rd ed. New York: McGraw-Hill, 1974. 564 p.
22/ 23
Alexandro Vieira Lopes
PRESIDENTE PRUDENTE2008
4º ANO ESTATÍSTICA
email: [email protected]
site: http:\\geocities.yahoo.com.br/alexandro2x
Regressão Logística e Aplicações em Software
Estatísticos
23/ 23