Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/3699
Full metadata record
DC FieldValueLanguage
dc.creatorNepomucena, Tânia Miranda-
dc.date.accessioned2014-09-16T21:18:56Z-
dc.date.available2014-09-16T21:18:56Z-
dc.date.issued2014-09-16-
dc.date.submitted2009-02-18-
dc.identifier.citationNEPOMUCENA, T. M. Aplicação da estratégia de alocação não-proporcional para identificar outliers em dados binominais. 2009. 51 p. Dissertação (Mestrado Estatística e Experimental Agropecuária)-Universidade Federal de Lavras, Lavras, 2009.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/3699-
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectOutlierspt_BR
dc.subjectEstratégia não-proporcionalpt_BR
dc.subjectModelo binomialpt_BR
dc.subjectFunções de ligaçãopt_BR
dc.titleAplicação da estratégia de alocação não proporcional para identificar outliers em dados binomiaispt_BR
dc.title.alternativeApplication of the strategy of non-proportional allocation to identify outliers in binomial data.pt_BR
dc.typedissertaçãopt_BR
dc.publisher.programDEX - Departamento de Ciências Exataspt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationEstatística e Experimentação Agropecuáriapt_BR
dc.contributor.advisor1Cirillo, Marcelo Ângelo-
dc.contributor.referee1Sáfadi, Thelma-
dc.contributor.referee1Lima, Renato Ribeiro de-
dc.contributor.referee1Brighenti, Carla Regina Guimarães-
dc.description.resumoThe method of robust analysis of variance that is displayed, allows monitoring the effect of outliers by the non-proportional strategy . To do this, using the formation of subsets, in which the sample units are allocated, based on one inspection to the data. With the aim of extending this method to the binomial model, this work proposes identify outliers in data of proportion with the application of the non-proportional strategy. The data used are from an experiment conducted in the Biology Laboratory, Department of Entomology of ESALQ / USP. An algorithm was implemented for use in the statistical program R to subsets provided by the method of study. Using the function glm in program R, was estimated by the method of maximum likelihood parameters of the binomial model with logit link-function, probit and complementary log-log, were also computed the deviance, the linear predictors and expected values of the adjusted models . The discussion around the results was based on graphs. Estimates of the parameters of the model differ between the link functions. For different models, the linear predictors had very similar values of magnitudes. It was observed that even for different link functions, the outliers can be monitored. This exposed, it was concluded that the methodology proposed in this paper is feasible and advisable, and may be extended to other models belonging to the class of generalized linear models, therefore, an important technique of data analysis to detect the outliers presence.pt_BR
dc.description.resumoO método de análise robusta de variância que é apresentado, permite monitorar o efeito dos outliers por meio da estratégia não-proporcional. Para isso, utiliza-se a formação de subconjuntos, nos quais, as unidades amostrais são alocadas, baseando-se em apenas uma inspeção nos dados. Com o propósito de estender esse método para o modelo binomial, este trabalho propõe identificar outliers em dados de proporção com a aplicação da estratégia não-proporcional. Os dados utilizados são provenientes de um experimento realizado no Laboratório de Biologia do Departamento de Entomologia da ESALQ/USP. Foi implementado um algoritmo de uso no programa estatístico R para formação de subconjuntos previstos pelo método em estudo. Utilizando a função glm do programa R, estimou-se pelo método da máxima verossimilhança parâmetros do modelo binomial com as funções de ligação logit, probit e complemento log-log, também foram computados a deviance, os preditores lineares e os valores esperados dos modelos ajustados. A discussão em torno dos resultados foi realizada com base nos gráficos construídos. As estimativas dos parâmetros do modelo diferiram entre as funções de ligação. Para modelos diferentes, os preditores lineares apresentaram valores de magnitudes muito próximas. Observou-se que mesmo para funções de ligação distintas, os outliers podem ser monitorados. Isto exposto, concluiu-se que a metodologia proposta neste trabalho é viável e recomendável, podendo ser estendida para outros modelos pertencentes à classe de modelos lineares generalizados, sendo portanto, uma importante técnica de análise de dados para se detectar a presença de outliers.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Appears in Collections:DES - Estatística e Experimentação Agropecuária - Mestrado (Dissertações)



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.