Modelos Lineares, MLG e outros modelos não-lineares

A proposta deste trabalho é explorar e comparar diversos métodos de intervalos de confiança
usados na estimação da dose efetiva ou DLp - dose letal p. A a dose letal p é uma informação indispensável aos pesquisadores que realizam experimentos de Dose Resposta, experimentos esses em que o interesse é modelar a relação entre uma variável resposta, medida em número de mortes (ou ocorrências de um evento), em função de diferentes doses (ou tempos) associadas a um medicamento, processo químico, processo mecânico, etc. No entanto, a dose letal p diz respeito a dose utilizada para a obtenção de uma taxa de mortalidade de 100p% dos indivíduos submetidos a mesma. Dados dessa natureza são usualmente modelados através da distribuição binomial associada a modelos de regressão, que são casos particulares dos Modelos Lineares Generalizados. Na literatura, tais modelos são conhecidos, em particular, como modelos de Dose Resposta. De forma geral, a estimação da DL50 não
é muito complexa, diferentemente das inferências associadas, onde existe a necessidade da informação da variância da estimativa da DL50 que, por ser uma função de razão de Normais dependentes, requer o uso de métodos aproximados para a sua estimação. Utilizando-se conjuntos de dados reais e dados de experimentos simulados, serão explorados os aspectos na estimação da Var(DL50), considerando-se os métodos de Fieller e Bootstrap, bem como os métodos convêncionais assintóticos, Delta de 1a e 2a ordem. Através de um estudo comparativo, com respeito a taxa de cobertura real, a amplitude média e entre outros aspectos,
conclui-se em que situações os resultados obtidos entre os intervalos de confiança são mais concisos.

Tomando como base um banco de dados coletado pela médica Lúcia Brum, a partir de sua visita no estado do Amazonas, e juntamente com o embasamento teórico do modelo logístico, o projeto tem como objetivo criar um modelo que melhor estime a probabilidade de ocorrência de alteração cardíaca no município de Barcelos, Amazonas, devido à doença de Chagas, visto que, tal doença tem uma característica peculiar na região em questão.

Algumas mudanças nos padrões demográficos e de moradia observadas nas sociedades contemporâneas, com famílias menores e habitações verticalizadas, podem estar gerando alterações no status dos animais de estimação e no comportamento das famílias com relação aos mesmos. Estudos em diversos países têm demonstrado que os chamados pets têm funcionado como alternativa ao cuidado dos filhos. Além disso, a expansão da preocupação ética com os maus tratos aos animais levaria à adoção de um tratamento cada vez mais humanizado aos chamados pets, em especial aos cães e gatos, descrito por Konecki (2007) como “antropomorfização sentimental”. Os pets cada vez mais
vivem dentro de casa, partilhando os cômodos com a família e necessitando de produtos e serviços especializados, levando a um aumento da parcela do orçamento familiar comprometida com seus animais. O setor econômico pet, em alto crescimento, vem expandindo-se também para as classes de menor renda. Pouco se sabe, no entanto, sobre a
relação das famílias brasileiras com seus animais de estimação e o que estes representam no orçamento familiar. Para compreender esta questão, nos baseamos em dados de uma pesquisa quantitativa amostral representativa desenvolvida por técnicos do IBGE representativa dos domicílios do Grande Méier, Zona Norte do Rio de Janeiro/RJ. Foi feito uma análise exploratória desses dados, e a estimação de um modelo de regressão linear, para explicar o gasto total com animais domésticos em função de algumas variáveis explicativas.

Ao escolher um modelo de regressão para descrever o comportamento de uma variável resposta de acordo com variáveis de controle, tem-se a opção de usar modelos polinomiais. Aumentando-se a ordem destes modelos, pode-se obter aproximações cada vez mais precisas da verdadeira função de regressão, geralmente não linear. Modelos não lineares de efeitos mistos é uma estensão dos modelos lineares de efeitos mistos, permitindo que a função de regressão não linear dependa dos efeitos fixos e aleatórios. Neste trabalho, utilizaram-se duas abordagens mistas, linear e não-linear, para modelar os dados de produção de matéria seca de cana-de-açúcar, provenientes de um experimento longitudinal. As duas abordagens forneceram bons ajustes, entretanto a não linear mostrou-se mais atraente, pois as estimativas dos seus parâmetros têm uma melhor interpretação, uma vez que sua derivada de primeira ordem é amplamente utilizada para a verificação do acumulo de matéria seca no período de interesse.

Um dos maiores problemas no mapeamento de genes associados a doenças complexas atualmente é o de como tratar computacionalmente a alta dimensionalidade dos dados genéticos. Neste trabalho é considerado um procedimento multiestágios para análise de dados de famílias e plataformas de marcadores SNPs, proposto por Aulchenko et al. (2007), que permite reduzir consideravelmente o tempo computacional. Sob a formulação de modelos mistos, os autores propõem modelar o efeito de SNPs como fixo e associado com o componente de variância residual. Há controvérsias sobre como deve ser modelado o efeito de marcadores do tipo SNP quando se dispõe de dados de famílias. Neste trabalho serão discutidas limitações e vantagens desta alternativa de análise bem sua implementação computacional usando os recursos do aplicativo estatístico R. Como aplicação são considerados dados de um estudo com famílias brasileiras.

As coberturas de óbitos são referentes ao percentual de óbitos, de uma dada região, que foram registrados. Este trabalho tem como objetivo apresentar um modelo de perdição para o cálculo das coberturas de óbitos para as regiões do Nordeste, regiões estas, onde os dados sofrem com o subregistro de óbitos. As técnicas atualmente disponíveis para o cálculo de coberturas de óbitos, necessitam que o pesquisador entenda sobre o comportamento da mortalidade da região onde está se querendo calcular as coberturas, sendo dessa forma um pouco subjetivas. O modelo proposto trata-se de um modelo parcimonioso, que utiliza apenas duas variáveis educacionais para a predição das coberturas. Para o ajustamento do modelo foi utilizado Modelos Lineares Generalizados.

Mixed models have become important in analyzing the results of experiments, particularly those that require more complicated models such as those that involve longitudinal data. A method for deriving the terms in a mixed model, described by Brien and Demétrio (2009) will be presented. It extends the method described by Brien and Bailey (2006) to explicitly identify terms for which autocorrelation and smooth trend, arising from longitudinal observations, needs to be incorporated in the model. At the same time we retain the principle that the model used should include, at least, all the terms that are justified by the randomization. This is done by dividing the factors into sets, called tiers, based on the randomization and determining the nesting and crossing relationships between factors. To illustrate the method, a mixed model for the randomized complete block design with longitudinal observations is outlined. The mixed model analysis of data from a three-phase experiment to investigate the effect of time of refinement on Eucalyptus pulp from four different sources is also described. For this example, cubic smoothing splines are used to describe differences in the trend over time and unstructured covariance matrices between times are found to be justified.

Este trabalho compara duas estratégias diferentes para estimar populações humanas via modelos de regressão com imagens de satélite. A primeira estratégia utiliza um modelo de regressão linear simples cuja variável explicativa é resultante de um processamento das imagens originais de um sensor. A segunda estratégia utiliza um modelo de regressão linear múltipla cujas variáveis explicativas são as imagens originais do sensor e dados relacionados à contagem populacional no período anterior ao que está sendo estimado. A avaliação dos modelos é feita através do erro relativo mediano das predições obtidas.

A cana-de-açúcar é um agroecossistema que abriga numerosas espécies de insetos, sendo que algumas delas, dependendo da época do ano e da região, podem ocasionar sérios prejuízos econômicos, uma vez que tal cultura movimenta grande volume de negócios relacionados à exportação de açúcar e álcool. A broca da cana-de-açúcar, Diatraea saccharalis (Fabr., 1794) (Lepidoptera: Crambidae), é tida como a mais importante praga dessa cultura, por sua ampla distribuição e dimensão dos prejuízos que causa. O controle químico é utilizado, mas com eficiência limitada, nesse contexto a adição de atrativos na calda do inseticida seria uma ferramenta adicional visando a redução do número de descendentes. Para verificar a eficiência dessa proposta um experimento foi instalado e as variáveis número e massa de ovos foram observadas. Essa resposta foi modelada pela família Tweedie de distribuições, em particular pela distribuição Poisson composta. Não houve efeito de tratamentos, ou seja, nenhum dos inseticidas utilizados mostrou-se eficaz.

A análise de regressão é uma das técnicas estatísticas mais utilizadas em aplicações. Para estimar os parâmetros de um modelo de regressão linear, comumente se aplica o método de Mínimos Quadrados Ordinários (MQO). Contudo, observa-se que as estimativas de MQO podem ser sensíveis à presença de valores discrepantes nas variáveis consideradas. Uma forma de contornar este problema é fazer uso de estimadores resistentes a tais observações, nomeadamente estimadores robustos. No presente trabalho, avaliou-se o desempenho dos estimadores robustos de regressão Estimador M de Huber (M), Menor Mediana dos Quadrados dos Resíduos (MMQ) e Mediana dos Quadrados dos Resíduos Podados (MQP), comparando-os também com o MQO. Um resultado a ser destacado é que o estimador M não é recomendável na presença de valores discrepantes nas variáveis preditoras, sendo seu uso indicado apenas quando há valores atípicos na resposta, ao passo que MMQ e MQP apresentam estimativas resistentes nos dois casos. Outra característica importante
do MMQ e do MQP é que eles fornecem estimativas robustas mesmo considerando uma amostra com aproximadamente 50% de "contaminação", isto é, seus pontos de ruptura são próximos a 0.5, enquanto que os do MQO e do M são assintoticamente nulos.