Apresenta

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
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 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 X 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 X
5
6
7
16/ 23
17
ETAPAS E CRONOGRAMA
5 Aplicação em software estatísticos
Mês Etapa Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro
1
2
3
4
5 X X 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 X
7
18/ 23
19
ETAPAS E CRONOGRAMA
7 Entrega do Relatório Final corrigido.
Mês Etapa Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro
1
2
3
4
5
6
7 X X
19/ 23
20
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
Santana , 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
21
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
22
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
23
Regressão Logística e Aplicações em Software
Estatísticos
Alexandro Vieira Lopes
email alexandro2x_at_yahoo.com.br
site http\\geocities.yahoo.com.br/alexandro2x
4º ANO ESTATÍSTICA
PRESIDENTE PRUDENTE 2008
23/ 23