Regressão Logística e Aplicações em Software Estatísticos

Apresentação em tema: "Regressão Logística e Aplicações em Software Estatísticos"— Transcrição da apresentação:

1 Regressão Logística e Aplicações em Software Estatísticos
Orientando : Alexandro Vieira Lopes Orientadora : Profª. Drª.Vilma Mayumi Tachibana Co-Orientador : Prof. Dr. Fernando Antônio Moala 1/ 23

2 INTRODUÇÃO 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. 2/ 23

3 Classificação dos Modelos:
INTRODUÇÃO 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. 3/ 23

4 INTRODUÇÃO 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. 4/ 23

5 INTRODUÇÃO 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. 5/ 23

6 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

7 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

8 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

9 OBJETIVOS 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. 9/ 23

10 JUSTIFICATIVA 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 10/ 23

11 JUSTIFICATIVA Figura 1 - Oportunidade de trabalho na área de modelagem. 11/ 23

12 MATERIAIS E MÉTODOS 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. 12/ 23

13 ETAPAS E CRONOGRAMA 1 Elaboração, entrega e apresentação do projeto de Pesquisa; Mês Etapa Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro 1 X 2 3 4 5 6 7 13/ 23

14 ETAPAS E CRONOGRAMA 2 Pesquisa bibliográfica sobre Modelagem Matemática; Mês Etapa Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro 1 2 X 3 4 5 6 7 14/ 23

15 ETAPAS E CRONOGRAMA 3 Pesquisa bibliográfica sobre Regressão Logística; Mês Etapa Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro 1 2 3 X 4 5 6 7 15/ 23

16 ETAPAS E CRONOGRAMA 4 Elaboração, entrega e apresentação do Relatório Parcial; Mês Etapa Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro 1 2 3 4 X 5 6 7 16/ 23

17 ETAPAS E CRONOGRAMA 5 Aplicação em software estatísticos; X 17/ 23 Mês
Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro 1 2 3 4 5 X 6 7 17/ 23

18 ETAPAS E CRONOGRAMA 6 Elaboração, entrega e apresentação do Relatório Final; Mês Etapa Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro 1 2 3 4 5 6 X 7 18/ 23

19 ETAPAS E CRONOGRAMA 7 Entrega do Relatório Final corrigido. X 19/ 23
Mês Etapa Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro 1 2 3 4 5 6 7 X 19/ 23

20 REFERÊNCIAS BASSANEZI, R.C. Ensino-aprendizagem com modelagem matemática. São Paulo: Contexto, p. FARHAT, C. A. V. Análise de diagnóstico em regressão logística 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, p. HOSMER, D.W.; LEMESHOW, S. Applied logistic regression. 2nd ed. New York: Wiley, p.     20/ 23

21 REFERÊNCIAS ISHIKAWA, N.I. Uso de transformações em modelos de regressão logística 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 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 f. Tese (Doutorado em Ciências em Engenharia de Produção) – COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro. 21/ 23

22 BIBLIOGRAFIA BUSSAB, W. de O. Análise de variância e de regressão. São Paulo: Atual, p. BUSSAB, W. de O.; MORETIN, P.A. Estatística básica. 5. ed. São Paulo: Saraiva, p. MOOD, A. M.; GRAYBILL, A. F.; BOES, C. D. Introduction to the theory of statistics. 3rd ed. New York: McGraw-Hill, p. 22/ 23

23 Regressão Logística e Aplicações em Software Estatísticos
Alexandro Vieira Lopes site: 4º ANO ESTATÍSTICA PRESIDENTE PRUDENTE 2008 23/ 23