A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Orientando : Alexandro Vieira Lopes Orientadora : Profª. Drª.Vilma Mayumi Tachibana 1/ 26 Regressão Logística e Aplicação em Software Estatísticos.

Apresentações semelhantes


Apresentação em tema: "Orientando : Alexandro Vieira Lopes Orientadora : Profª. Drª.Vilma Mayumi Tachibana 1/ 26 Regressão Logística e Aplicação em Software Estatísticos."— Transcrição da apresentação:

1 Orientando : Alexandro Vieira Lopes Orientadora : Profª. Drª.Vilma Mayumi Tachibana 1/ 26 Regressão Logística e Aplicação em Software Estatísticos

2 INTRODUÇÃO 2/ 26 Razão de Chances Aplicação Conjunto Dados Cardíacos Aplicação e Comparação dos Software Estatísticos

3 RAZÃO DE CHANCES 3/ 26 O que os Coeficientes estimados do modelo informam num estudo Dicotômica Variável Independente Dicotômica Politômica Variável Independente Politômica Contínua Variável Independente Contínua

4 RAZÃO DE CHANCES 4/ 26 Variável Independente Dicotômica A RAZÃO DE CHANCES é uma medida de associação que aproxima o mais (menos) provável do resultado estar presente entre aqueles com X = 1 do que entre aqueles com X = 0.

5 RAZÃO DE CHANCES 5/ 26 A razão de chances é: A chance da ocorrência de Problema Cardíaco é 8 vezes maior em pessoas com idade maior que 55 anos do que em uma pessoa com idade inferior a 55 anos.

6 APLICAÇÃO DADOS CARDÍACOS 6/ 26 Hospital Pró-Cardíaco- RJ ; N = 599 Pacientes

7 APLICAÇÃO DADOS CARDÍACOS 7/ 26 Idade Sexo = 0 =1 Hipertensão Arterial: Ausência = 0, Presença = 1 Ausência = 0, Presença = 1 Histórico Familiar: Não = 0, Sim = 1

8 8/ 26 Infarto Prévio: Não = 0, Sim = 1 Não Fumante = 0, Fumante = 1 Óbito Hospitalar = 0 = 1 Killip de entrada (intensidade):1,2,3,4. Localização Parede: anterior,inferior, lateral, onda Q: Não = 0, Sim = 1 APLICAÇÃO DADOS CARDÍACOS

9 RESULTADOS g(x) = -5, ,02653*idade – -1,0693*sexo – 0,3607*has + 0,8363*iamp+ +0,3984*diab - - 0,5155*fumo – 0,4053*hfam + 0,4707*parea + 0,4052*parei *parel + 1,5733*kient. Logito: g(x) = -5, ,02653*idade – -1,0693*sexo – 0,3607*has + 0,8363*iamp+ +0,3984*diab - - 0,5155*fumo – 0,4053*hfam + 0,4707*parea + 0,4052*parei *parel + 1,5733*kient. MODELO COMPLETO 9/ 26

10 RESULTADOS MODELO COMPLETO 10/ 26

11 RESULTADOS MODELO REDUZIDO g(x) = -6, ,0383*idade –0,9826*sexo + +1,8411*iamp + 1,8265*kient –0,6943*iamp*kient. Logito: g(x) = -6, ,0383*idade –0,9826*sexo + +1,8411*iamp + 1,8265*kient –0,6943*iamp*kient. STEPWISE Seleção de Variáveis STEPWISE p-valor entrada = 0,15 p-valor remoção = 0,20. Termos de Interação. 11/ 26

12 RESULTADOS SOFTWARE STATA 12/ 26

13 RESULTADOS MODELO REDUZIDO 13/ 26

14 RESULTADOS COMPARAÇÃO DE MODELOS G novo = G(modelo completo) – G (modelo reduzido) 4,983 G novo = 155,013 – 150,03 = 4,983. Modelo completo p = 11 covariáveis Modelo reduzido k = 5 covariáveis. == 12,59 Como G novo = 4,983 <= 12,59. 14/ 26 NÃO Coeficientes das variáveis que NÃO estão no modelo reduzido são iguais a zero ( i = 0 ). NÃO Variáveis NÃO têm signficância estatística. Modelo reduzido sintetiza as variáveis mais importantes.

15 RESULTADOS RAZÃO DE CHANCES A razão de chances é: 3 A chance de óbito hospitalar é 3 vezes maior entre as mulheres comparado com os homens. ou 0,37 15/ 26

16 RESULTADOS PONTO DE CORTE Sensitividade x Especificidade Gráfico de Sensitividade x Especificidade, valores são obtidos a partir de diferentes pontos de corte. 0,11 Ponto de Corte = 0,11. óbito hospitalar. Se a probabilidade de um paciente for maior que 0,11 ele é classificado como tendo óbito hospitalar. 16/ 26

17 COMPARAÇÃO SOFTWARE 17/ 26

18 CONSIDERAÇÕES FINAIS 18/ 26 Regressão Logística: Estudos de Coorte, Caso-Controle ; Escolha do Tamanho da Amostra ; Dados são Correlacionados. Manual dos Software. Noções do Diagnóstico em Regressão Logística, & Regressão Logística Multinomial e Ordinal.

19 CONSIDERAÇÕES FINAIS 19/ 26 Dificuldade de lidar com observações perdidas e colinearidade. O modelo de Regressão Logística é uma excelente opção para dados da variável resposta binários: facilidade de interpretação dos parâmetros, simplicidade,popularidade e disponibilidade nos software estatísticos. Aplicar técnicas: Árvores de Classificação, Redes Neurais ou Análise Discriminante. Comparação dos modelos.

20 REFERÊNCIAS 20/ 26 Infarto agudo do miocárdio: um estudo bibliográfico sob a visão da enfermagem BARROS, C. S. et al. Infarto agudo do miocárdio: um estudo bibliográfico sob a visão da enfermagem. Recife, Disponível em:. Acesso em: 10 set Ensino-aprendizagem com modelagem matemática BASSANEZI, R. C. Ensino-aprendizagem com modelagem matemática. São Paulo: Contexto, p. Estatística básica BUSSAB, W. de O.; MORETIN, P. A. Estatística básica. 5. ed. São Paulo: Saraiva, p. Modelling binary data COLLETT, D. Modelling binary data. London: Chapman & Hall, p. Análise de diagnóstico em regressão logística 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.

21 REFERÊNCIAS 21/ 26 Applied logistic regression HOSMER, D. W.; LEMESHOW, S. Applied logistic regression. 2nd ed. New York: Wiley, p. Uso de transformações em modelos de regressão logística 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. Handbook of statistical distributions with applications. KRISHNAMOORTHY, K. Handbook of statistical distributions with applications. Boca Raton: Chapman & Hall/CRC, p. O tamanho do infinito. Projeto novas tecnologias de ensino KUBRUSLY, R. S. O tamanho do infinito. Projeto novas tecnologias de ensino. Rio de Janeiro, Disponível em:. Acesso em: 1 jan Introduction to linear regression analysis MONTGOMERY, D. C. et al. Introduction to linear regression analysis. 2nd ed. New York: Wiley, p.

22 Métodos aproximados em modelos hierárquicos dinâmicos bayesianos 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. Análise de influência local no modelo de regressão logística SOUZA, E. C. Análise de influência local no modelo de regressão logística f. Dissertação (Mestrado em Agronomia) – Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo, Piracicaba. Disponível em:. Acesso em: 19 mar Métodos aproximados em modelos bayesianos de resposta aleatorizada e regressão logística 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. 22/ 26 REFERÊNCIAS

23 BIBLIOGRAFIA 23/ 26 Aplicação do modelo logístico multinomial no estudo da decisão do voto ANDRADE, A.O. Aplicação do modelo logístico multinomial no estudo da decisão do voto f. Dissertação (Mestrado em Estudos Populacionais e Pesquisas Sociais) – Escola Nacional de Ciências Estatísticas, IBGE, Rio de Janeiro. Disponível em:. Acesso em: 08 mar Análise de variância e de regressão BUSSAB, W. de O. Análise de variância e de regressão. São Paulo: Atual, p. Análise multivariada de dados HAIR Jr, J. F. et al. Análise multivariada de dados. Tradução de Adonai Schlup Santana, Anselmo Chaves Neto. Bookman, p. Applied multivariate statistical analysis JOHNSON, R. A.; WICHERN, D.W. Applied multivariate statistical analysis. 6th ed. New Jersey: Prentice Hall, p. Logistic Regression. A self-learning text KLEINBAUM, D.G. Logistic Regression. A self-learning text. New York: Springer- Verlag, p.

24 BIBLIOGRAFIA Modelos hierárquicos e aplicações MIGON, H. S. et al. Modelos hierárquicos e aplicações. São Paulo: ABE, p. Introduction to the theory of statistics MOOD, A. M. et al. Introduction to the theory of statistics. 3rd ed. New York: McGraw-Hill, p. Generalized linear models with applications in engineering and the sciences MYERS, R. H. et al. Generalized linear models with applications in engineering and the sciences. New York: Wiley, p. Uma comparação de regressão logística, árvores de classificação e redes neurais: analisando dados de crédito OHTOSHI, C. Uma comparação de regressão logística, árvores de classificação e redes neurais: analisando dados de crédito f. Dissertação (Mestrado em Estatística) – Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo. Regressão logística sob enfoque bayesiano SANTOS, M.A. Regressão logística sob enfoque bayesiano f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Faculdade de Ciências e Tecnologia, Universidade Estadual Paulista, Presidente Prudente, / 26

25 AGRADECIMENTOS Obrigado a Deus e a nossa Senhora por tudo. Agradeço a minha orientadora professora Vilma Mayumi Tachibana, que foi como uma mãe para mim. Sou muito grato a todos os colegas da turma da estatística e especialmente a Bruno Pierre Lopes Vasconcelos, Cláudio Sá Rodrigues de Lima, Meire Midori Hori Pereira e Roberta Santos Ferreira por toda ajuda durante esta graduação. Muito obrigado a Marta Bengüela, Genir Pulitti, Alessandra Kellen e Ermelinda Magosso, por dar me a oportunidade de morar tão perto da faculdade e por toda a caridade. Maria do Socorro Vieira Lopes, João Bosco Lopes, Alan Vieira Lopes Agradecimento, a minha mãe Maria do Socorro Vieira Lopes, João Bosco Lopes, Alan Vieira Lopes que são a motivação de todo empenho e dedicação. 25/ 26

26 PRESIDENTE PRUDENTE º ANO ESTATÍSTICA Contato: Regressão Logística e Aplicação em Software Estatísticos 26/ 26 Site :


Carregar ppt "Orientando : Alexandro Vieira Lopes Orientadora : Profª. Drª.Vilma Mayumi Tachibana 1/ 26 Regressão Logística e Aplicação em Software Estatísticos."

Apresentações semelhantes


Anúncios Google