Modelos Lineares Generalizados

Modelos Lineares Generalizados
Minicurso para o 12o SEAGRO e a 52a

Reuniao Anual da RBRAS
UFSM, Santa Maria, RS
Gauss Moutinho Cordeiro

Departamento de Estatstica e Informatica, UFRPE,
Rua Dom Manoel de Medeiros, s/n
50171-900, Recife, PE
Email: gausscordeiro@uol.com.br
Clarice G.B. Demetrio

Departamento de Ciencias Exatas, ESALQ, USP
Caixa Postal 9
13418-900 Piracicaba, SP
Email: Clarice@esalq.usp.br
10 de julho de 2007
ii Gauss M. Cordeiro & Clarice G.B. Demetrio
Prefacio
Este livro e resultante de varios anos de lecionamento de cursos e minicursos desses
modelos e tem como objetivo apresentar nocoes introdutorias de Modelos Lineares
Generalizados e algumas aplicacoes. Enumerar as pessoas a quem devemos agradeci-
mentos e uma tarefa difcil, pois sao muitos aqueles que contriburam de forma direta
ou indireta para a elaboracao deste material. A Eduardo Bonilha, funcionario do De-
partamento de Ciencias Exatas da ESALQ/USP, agradecemos o auxlio na digitacao.
Agradecemos a todos que nos ajudaram lendo versoes anteriores cuidadosamente e
dando sugestoes muito proveitosas. Agradecemos, tambem, ao CNPq, a CAPES e
a FAPESP por financiamentos de projetos que trouxeram contribuicoes importantes
para a elaboracao deste livro.
Finalmente, assumimos total responsabilidade pelas imperfeicoes e solicita-
mos aos leitores que nos apresentem crticas e sugestoes para uma futura edicao
revisada.
Gauss Moutinho Cordeiro
Clarice Garcia Borges Demetrio
Piracicaba, 10 de julho de 2007
Sumario
1 Famlia Exponencial de Distribuicoes 1

1.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Famlia exponencial uniparametrica . . . . . . . . . . . . . . . . . . . 2
1.3 Componente aleatorio . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Funcao geradora de momentos . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Estatstica suficiente . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2 Modelo Linear Generalizado 13

2.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Exemplos de motivacao . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3 Definicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3 Estimacao 35
3.1 O algoritmo de estimacao . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2 Estimacao em modelos especiais . . . . . . . . . . . . . . . . . . . . . 41
3.3 Resultados adicionais na estimacao . . . . . . . . . . . . . . . . . . . 43
3.4 Selecao do modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4 Metodos de Inferencia 49
4.1 Distribuicao dos estimadores dos parametros . . . . . . . . . . . . . . 49
4.2 Funcao desvio e estatstica de Pearson generalizada . . . . . . . . . . 55
4.3 Analise do desvio e selecao de modelos . . . . . . . . . . . . . . . . . 65
4.4 Estimacao do parametro de dispersao . . . . . . . . . . . . . . . . . . 69
iii
iv Gauss M. Cordeiro & Clarice G.B. Demetrio
4.5 Selecao da funcao de ligacao . . . . . . . . . . . . . . . . . . . . . . . 72
5 Resduos 75
5.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
5.2 Tecnicas para a verificacao do ajuste de um modelo . . . . . . . . . . 76
5.3 Analise de resduos e diagnostico para o modelo classico de regressao 77
5.3.1 Tipos de resduos . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.3.2 Estatsticas para diagnosticos . . . . . . . . . . . . . . . . . . 80
5.3.3 Tipos de graficos . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.4 Analise de resduos e diagnostico para modelos lineares generalizados 90
5.4.1 Tipos de resduos . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.4.2 Tipos de graficos . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.4.3 Resduos de Pearson estudentizados . . . . . . . . . . . . . . . 98
5.5 Verificacao da funcao de ligacao . . . . . . . . . . . . . . . . . . . . . 101
5.6 Verificacao da adequacao da funcao de variancia . . . . . . . . . . . . 104
6 Aplicacoes a dados contnuos 105
7 Aplicacoes a dados discretos 117

7.1 Dados binarios e proporcoes . . . . . . . . . . . . . . . . . . . . . . . 117
7.1.1 Estimacao da dose efetiva e seu intervalo de confianca . . . . . 117
7.1.2 Paralelismo entre retas no modelo logstico linear . . . . . . . 120
7.2 Dados de contagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
7.2.1 Modelo de Poisson . . . . . . . . . . . . . . . . . . . . . . . . 129
7.2.2 Modelos log-lineares para tabelas 2 2 . . . . . . . . . . . . . 131
Captulo 1
Famlia Exponencial de
Distribuicoes
1.1 Introducao
Muitas das distribuicoes conhecidas podem ser reunidas em uma famlia de-
nominada famlia exponencial de distribuicoes. Assim, por exemplo, pertencem a
essa famlia as distribuicoes normal, binomial, binomial negativa, gama, Poisson,
normal inversa, multinomial, beta, logartmica, entre outras. Essa classe de dis-
tribuicoes foi proposta independentemente por Koopman, Pitman e Darmois atraves
do estudo de propriedades de suficiencia estatstica. Posteriormente, muitos ou-
tros aspectos dessa famlia foram descobertos e tornaram-se importantes na teoria
moderna de Estatstica. O conceito de famlia exponencial foi introduzido na Es-
tatstica por Fisher mas os modelos da famlia exponencial apareceram na Mecanica
Estatstica no final do seculo XIX e foram desenvolvidos por Maxwell, Boltzmann e
Gibbs. A importancia da famlia exponencial de distribuicoes teve maior destaque,
na area dos modelos de regressao, a partir do trabalho pioneiro de Nelder e Wed-
derburn (1972) que definiram os modelos lineares generalizados. Na decada de 80,
esses modelos popularizaram-se, inicialmente, no Reino Unido, e, posteriormente,
nos Estados Unidos e na Europa.
1
2 Gauss M. Cordeiro & Clarice G.B. Demetrio
1.2 Famlia exponencial uniparametrica

A famlia exponencial uniparametrica e caracterizada por uma funcao (de
probabilidade ou densidade) da forma
f (x; ) = h(x) exp [ () t(x) b() ], (1.1)
em que as funcoes (), b(), t(x) e h(x) assumem valores em subconjuntos

dos reais. As funcoes (), b() e t(x) nao sao unicas. Por exemplo, () pode ser
multiplicado por uma constante k e t(x) pode ser dividido pela mesma constante.
Varias distribuicoes importantes podem ser escritas na forma (1.1), tais
como: Poisson, binomial, Rayleigh, normal, gama e normal inversa (as tres ultimas
com a suposicao de que um dos parametros e conhecido). No artigo de Cordeiro
et al. (1995), sao apresentadas 24 distribuicoes na forma (1.1). O suporte da famlia
exponencial (1.1), isto e, {x; f (x; ) > 0}, nao pode depender de . Assim, a dis-
tribuicao uniforme em (0, ) nao e um modelo da famlia exponencial. Pelo teorema
da fatoracao de Neyman-Fisher, a estatstica t(X) e suficiente para .
E muito facil verificar se uma distribuicao pertence, ou nao, a famlia
exponencial (1.1), como e mostrado nos tres exemplos que se seguem.
Exemplo 1.1: A distribuicao de Poisson P() de parametro > 0, usada para

analise de dados na forma de contagens, tem funcao de probabilidade
e x 1
f (x; ) = = exp(x log )
x! x!
e, portanto, e um membro da famlia exponencial com () = log , b() = ,
t(x) = x e h(x) = 1/x!.
Exemplo 1.2: A distribuicao binomial B(m, ), com 0 < < 1 e m conhecido,

o numero de ensaios independentes, usada para analise de dados na forma de pro-
porcoes, tem funcao de probabilidade

m x mx m
f (x; ) = (1 ) = exp x log + m log(1 )
x x 1
Modelos Lineares Generalizados 3
sendo um membro da famlia exponencial com () = log[/(1 )],

b() = m log(1 ), t(x) = x e h(x) = m
x
.
Exemplo 1.3: A distribuicao de Rayleigh, usada para analise de dados contnuos

positivos, tem funcao densidade (x > 0, > 0)

x x2 1 2 2
f (x; ) = 2 exp 2 = x exp 2 x log
2 2
e, portanto, pertence a famlia exponencial com () = 1/(22 ), b() = log 2 ,

t(x) = x2 e h(x) = x.
A famlia exponencial na forma canonica e definida a partir de (1.1), con-

siderando que as funcoes () e t(x) sao iguais a funcao identidade, de forma que
f (x; ) = h(x) exp[x b()]. (1.2)
Na parametrizacao (1.2), e chamado de parametro canonico. O logaritmo da

funcao de verossimilhanca correspondente a uma unica observacao no modelo (1.2)
e
`() = x b() + log[h(x)]
d`()
e, portanto, a funcao escore U = U () = resulta em U = x b0 ().
d
E facil verificar das propriedades da funcao escore, E(U ) = 0 e Var(U ) =
2
E d `()/d2 (esta ultima igualdade e a informacao de Fisher), que
E(X) = b0 () e Var(X) = b00 (). (1.3)
O fato simples de se calcularem momentos da famlia exponencial (1.2) em

termos de derivadas da funcao b() (denominada de funcao geradora de cumulantes)
em relacao ao parametro canonico e muito importante na teoria dos modelos linea-
res generalizados, principalmente, no contexto assintotico.
Suponha que X1 , . . . , Xn sejam n variaveis aleatorias independente e identi-
camente distribudas (i.i.d.), seguindo (1.1). A distribuicao conjunta de X1 , . . . , Xn
e dada por
" n # " n
#
Y X
f (x1 , . . . , xn ; ) = h(xi ) exp () t(xi ) nb() . (1.4)
i=1 i=1
A equacao (1.4) implica que a distribuicao conjunta de X1 , . . . , Xn e,

Xn
tambem, um modelo da famlia exponencial. A estatstica suficiente e T (Xi )
i=1
e tem dimensao 1 qualquer que seja n.
E, geralmente, verdade que a estatstica suficiente de um modelo da famlia
exponencial segue, tambem, a famlia exponencial. Por exemplo, se X1 , . . . , Xn sao
variaveis aleatorias i.i.d. com distribuicao de Poisson P(), entao a estatstica sufi-
X n
ciente T (Xi ) tem, tambem, distribuicao de Poisson P(n) e, assim, e um modelo
i=1
exponencial uniparametrico.
1.3 Componente aleatorio

Como sera visto, na Secao 2.3, o componente aleatorio de um modelo li-
near generalizado e definido a partir da famlia exponencial uniparametrica na
forma canonica (1.2) com a introducao de um parametro > 0 de perturbacao.
Nelder e Wedderburn (1972) ao fazerem isso, conseguiram incorporar distribuicoes
biparameticas no componente aleatorio do modelo. Tem-se,

f (y; , ) = exp 1 [y b()] + c(y, ) , (1.5)
em que b() e c() sao funcoes conhecidas. Quando e conhecido, a famlia de

distribuicoes (1.5) e identica a famlia exponencial na forma canonica (1.2). Na
Secao 1.4, sera demonstrado que o valor esperado e a variancia da famlia (1.5) sao
E(Y ) = = b0 () e Var(Y ) = b00 ().
Observa-se, entao, que e um parametro de dispersao do modelo e seu

inverso 1 , uma medida de precisao. A funcao que relaciona o parametro canonico
com a media (inversa da funcao b0 ()) e denotada por = q(). A funcao da
media na variancia e denotada por b00 () = V (). Denomina-se V () de funcao de
R
variancia. Observe-se que o parametro canonico pode ser obtido de = V 1 ()d,
d
pois V () = . A Tabela 1.1 apresenta varias distribuicoes importantes na famlia
d
(1.5), caracterizando as funcoes b(), c(y, ), a media em termos do parametro
e a funcao de variancia V (). Nessa tabela, () e a funcao gama, isto e, () =
R 1 x
0
x e dx, > 0. A famlia de distribuicoes (1.5) permite incorporar dados que
exibem assimetria, dados de natureza discreta ou contnua e dados que sao restritos
a um intervalo do conjunto dos reais, conforme bem exemplificam as distribuicoes
dadas na Tabela 1.1.
Convem salientar que se nao for conhecido, a famlia (1.5) pode, ou nao,
pertencer a famlia exponencial biparametrica. Para (1.5) pertencer a famlia expo-
nencial biparametrica quando e desconhecido, a funcao c(y, ) deve ser decomposta
como c(y, ) = 1 d(y) + d1 (y) + d2 () (Cordeiro e McCullagh, 1991). Esse e o caso
das distribuicoes normal, gama e normal inversa.
Morris (1982) demonstra que existem apenas seis distribuicoes na famlia
(1.5) cuja funcao de variancia e uma funcao, no maximo, quadratica da media. Essas
distribuicoes sao normal (V = 1), gama (V = 2 ), binomial (V = (1 )), Poisson
(V = ), binomial negativa (V = + 2 /k) e a sexta, chamada secante hiperbolica
generalizada (V = 1 + 2 ), cuja densidade e dada por
1 y
(y; ) = exp[y + log(cos )] cosh , y R. (1.6)
2 2
A distribuicao secante hiperbolica generalizada (1.6) compete com a
distribuicao normal na analise de dados contnuos irrestritos. A seguir, sao apresen-
tadas duas distribuicoes que sao membros da famlia (1.5).
Exemplo 1.4: A distribuicao normal de media R e variancia 2 > 0, tem

funcao de densidade

2 1 (y )2
f (y; , ) = exp .
2 2 2 2
6
Distribuicao b() c(y, ) () V ()

2 2 2 1 y2 2
Normal: N(, ) + log(2 ) 1
2 2 2
Poisson: P() 1 log e log y! e

m me
Binomial: B(m, ) 1 log m log(1 + e ) log (m )
m y 1 + e m

(k + y) e
Binomial Negativa: BN(, k) 1 log k log(1 e ) log k +1
+k (k)y! 1 e k
1 1
Gama: G(, ) 1 log() log(y) log y log () 2

1 1 2 3 1
Normal Inversa: IG(, 2 ) 2 2 (2)1/2 log(2 y ) + 2 (2)1/2 3
2 2 y
Tabela 1.1: Algumas Distribuicoes Importantes na Famlia (1.5)
Gauss M. Cordeiro & Clarice G.B. Demetrio
Tem-se, entao,

2 (y )2 1 2
f (y; , ) = exp log(2 )
2 2 2
2

1 1 2 y2
= exp 2 y log(2 ) 2 ,
2 2 2
obtendo-se os elementos da primeira linha da Tabela 1.1, isto e,

2 2 2 1 y2 2
= , = , b() = = e c(y, ) = + log(2 ) ,
2 2 2 2
o que mostra que a distribuicao N (, 2 ) pertence a famlia (1.5).
Exemplo 1.5: A distribuicao binomial tem funcao de probabilidade

m y
f (y; ) = (1 )my , [0, 1], y = 0, 1, . . . , m.
y
Tem-se, entao,

m
f (y; ) = exp log + y log + (m y) log(1 )
y

m
= exp y log + m log(1 ) + log ,
1 y
obtendo-se os elementos da terceira linha da Tabela 1.1, isto e,

me
= 1, = log = log , o que implica =
,
1 m (1 + e )

m
b() = m log(1 ) = m log (1 + e ) e c(y, ) = log
y
e, portanto, a distribuicao binomial pertence a famlia exponencial (1.5).
1.4 Funcao geradora de momentos

A funcao geradora de momentos (f.g.m.) da famlia (1.5) e dada por

M (t; , ) = E etY = exp 1 [b(t + ) b()] . (1.7)
Prova: A prova sera feita apenas para o caso de variaveis aleatorias contnuas.
Lembrando-se que
Z
f (y; , )dy = 1,
entao,
Z

exp 1 [y b()] + c(y, ) dy = 1,
obtendo-se
Z

exp 1 y + c(y, ) dy = exp 1 b() . (1.8)
Logo,
Z
tY

M (t; , ) = E e = exp(ty)f (y)dy
Z

= exp 1 [(t + )y b()] + c(y, ) dy
Z
1
= 1
exp 1 (t + )y + c(y, ) dy
exp [ b()]
e, usando-se (1.8), tem-se:
1 1
M (t; , ) = exp b(t + )
exp 1 b()
ou ainda,

M (t; , ) = exp 1 [b(t + ) b()] ,
demonstrando (1.7).
A funcao geradora de cumulantes (f.g.c.) correspondente e, entao,
(t; , ) = log[M (t; , )] = 1 [b(t + ) b()]. (1.9)
Derivando-se (1.9), sucessivamente, em relacao a t, vem
(r) (t; , ) = r1 b(r) (t + ),

em que b(r) () indica a derivada de r-esima ordem de b() em relacao a t. Para t = 0,

obtem-se o r-esimo cumulante da famlia (1.5) como
r = r1 b(r) (). (1.10)
Como enfatizado anteriormente, podem-se agora deduzir, a partir de (1.10),

o valor esperado 1 = e a variancia 2 da famlia (1.5) para r = 1 e 2, respectiva-
d
mente. Tem-se, 1 = = b0 () e 2 = b00 () = .
d
A equacao (1.10) mostra que existe uma relacao interessante de recorrencia
dr
entre os cumulantes da famlia (1.5), isto e, r+1 = para r = 1, 2, . Isso e
d
fundamental para obtencao de propriedades assintoticas dos estimadores de maxima
verossimilhanca nos modelos lineares generalizados.
Podem-se, alternativamente, deduzir essas expressoes, usando-se as pro-
priedades da funcao escore. Seja ` = `(, ) = log f (y; , ) o logaritmo da funcao
de verossimilhanca correspondente a uma unica observacao em (1.5). Tem-se
d`
U= = 1 [y b0 ()]
d
d2 `
U0 = = 1 b00 ().
d2
Logo,
E(U ) = 1 [E(Y ) b0 ()] = 0 que implica em E(Y ) = b0 ()
Var(U ) = E(U 0 ) = 1 b00 () e Var(U ) = E(U 2 ) = 2 Var(Y ),
entao,
Var(Y ) = b00 ().

Exemplo 1.6: Considere o Exemplo 1.4 e obtenha (t) e M (t), representadas,
agora, sem os parametros e . Tem-se que = 2 , = e b() = 2 /2. De (1.9)
vem a f.g.c.

1 ( 2 t + )2 2
(t) =
2 2 2
1 2 2 2 t2
= t + 2t = t + .
2 2
Note que, derivando-se (t) e fazendo-se t = 0, tem-se: 1 = , 2 = 2 e r = 0,

r 3. Assim, todos os cumulantes da distribuicao normal de ordem maior do que
dois sao nulos.
Ainda, a f.g.m. e dada por

2 t2
M (t) = exp t + .
2
Exemplo 1.7: Considere o Exemplo 1.5 e obtenha (t) e M (t). Tem-se que
= 1, = log[/(m )] e b() = m log(1 ) = m log(1 + e ).
Logo, usando-se a f.g.c. (1.9), vem

(t) = m log(1 + et+ ) log(1 + e )
m m
1 + et+ m t
= log = log + e .
1 + e m m
Assim, a f.g.m. e
m
(t) m
M (t) = e = + et .
m m
A Tabela 1.2 apresenta as funcoes geradoras de momentos para as dis-

tribuicoes dadas na Tabela 1.1.
Pode-se demonstrar, que especificando a forma da funcao = q 1 (),
a distribuicao em (1.5) e univocamente determinada. Assim, uma relacao
funcional variancia-media caracteriza a distribuicao na famlia (1.5). En-
tretanto, essa relacao nao caracteriza a distribuicao na famlia nao-linear
Tabela 1.2: Funcoes Geradoras de Momentos para Algumas Distribuicoes
Distribuicao Funcao Geradora de Momentos M (t; , )

2 t2
Normal: N(, 2 ) exp t +
2

Poisson: P() exp (et 1)

m t m
Binomial: B(m, ) + e
m m
h ik
Bin. Negativa: BN(, k) 1 + (1 et )
k

t
Gama: G(, ) 1 , t<

( " 1/2 #)
1 1 1 1
Normal Inversa: IG(, 2 ) exp 2
2
2t 2 , t< 2 2
2
(y; , ) = exp {1 [t(y) b()] + c(y, )}. Esse fato e comprovado com os
tres exemplos que se seguem.
Exemplo 1.8: Se Y tem distribuicao beta com parametros 1 e 1 (1 ) e

f.d.p. dada por
1 1
y 1 (1 y) (1)1
f (y; , ) = ,
B[1 , 1 (1 )]
R
em que B(a, b) = 0
xa1 (1 x)b1 dx e a funcao beta, tem-se t(y) = log[y/(1 y)],
= e Var(Y ) = (1 )/(1 + ), obtendo-se uma funcao de variancia do mesmo
tipo que a do modelo binomial.
Exemplo 1.9: Se Y tem distribuicao de Euler com media e f.d.p.
f (y; ) = exp{ log y log[()]},
tem-se t(y) = log y, = e Var(Y ) = que e do mesmo tipo que a funcao de

variancia do modelo de Poisson.
Exemplo 1.10: Se Y tem distribuicao log normal de parametros e 2 e f.d.p.
dada por
2 (log y )2
1
f (y; , ) = exp ,
y 2 2 2
entao E(Y ) = = exp( + 2 /2), t(y) = log y, = / 2 e Var(Y ) = 2 [exp( 2 ) 1],
que e do mesmo tipo que a funcao de variancia do modelo gama.
1.5 Estatstica suficiente

Seja Y1 , . . . , Yn uma amostra aleatoria (a.a.) de uma distribuicao que per-
tence a famlia (1.5). A distribuicao conjunta de Y1 , . . . , Yn e dada por
n
Y n
Y
f (y; , ) = f (yi ; , ) = exp 1 [yi b()] + c(yi , )
i=1 i=1
( " n
#) " n #
X X
1
= exp yi n b() exp c(yi , ) .
i=1 i=1
Pelo teorema da fatoracao de Neyman-Fisher e supondo conhecido, tem-se

n
X
que T = Yi e uma estatstica suficiente para , pois
i=1
f (y; , ) = g(t, ) h(y1 , . . . , yn ),
sendo que g(t, ) depende de e dos ys apenas atraves de t e h(y1 , . . . , yn ) independe

de .
Isso mostra, que se uma distribuicao pertence a famlia exponencial uni-
parametrica, entao, existe uma estatstica suficiente. Na realidade, usando-se o Teo-
Xn
rema de Lehmann-Scheffe (Mendenhall et al., 1981) mostra-se que T = Yi e uma
i=1
estatstica suficiente minimal.
Captulo 2
Modelo Linear Generalizado

2.1 Introducao
A selecao de modelos e uma parte importante de toda pesquisa em mode-
lagem estatstica e envolve a procura de um modelo que seja o mais simples possvel
e que descreva bem os dados observados que surgem nas areas de agricultura, de-
mografia, ecologia, economia, engenharia, geologia, medicina, ciencia poltica, socio-
logia, zootecnia, entre outras.
Nelder e Wedderburn (1972) mostraram que uma serie de tecnicas es-
tatsticas, comumente estudadas separadamente, podem ser formuladas, de uma
maneira unificada, como uma classe de modelos de regressao. A essa teoria unifi-
cadora de modelagem estatstica, uma extensao dos modelos classicos de regressao,
deram o nome de modelos lineares generalizados (MLG). Esses modelos en-
volvem uma variavel resposta univariada, variaveis explanatorias e uma amostra
aleatoria de n observacoes independentes, sendo que
i) a variavel resposta, componente aleatorio do modelo, tem uma distribuicao

pertencente a famlia de distribuicoes (1.5) que engloba as distribuicoes normal,
gama e normal inversa para dados contnuos; binomial para proporcoes; Poisson
e binomial negativa para contagens;
ii) as variaveis explanatorias entram na forma de uma estrutura linear, consti-

tuindo o componente sistematico do modelo;
13
iii) a ligacao entre os componentes aleatorio e sistematico e feita atraves de uma
funcao adequada como, por exemplo, logartmica para os modelos log-lineares,
chamada funcao de ligacao.
O componente sistematico e estabelecido durante o planejamento (funda-

mental para a obtencao de conclusoes confiaveis) do experimento, resultando em mo-
delos de regressao (linear simples, multipla, nao linear etc.), de analise de variancia
(delineamentos inteiramente casualizados, blocos casualizados, quadrados latinos
com estrutura de tratamentos fatorial, parcelas subdivididas etc.) e de analise de
covariancia. O componente aleatorio e estabelecido assim que sao definidas as me-
didas a serem feitas, que podem ser contnuas ou discretas, exigindo o ajuste de
distribuicoes diferentes. A partir de um mesmo experimento podem ser obtidas me-
didas de diferentes tipos, como por exemplo, dados de altura de plantas, numero de
lesoes por planta e proporcao de plantas doentes.
No modelo classico de regressao, tem-se
Y = + ,
sendo Y o vetor, de dimensoes n 1, da variavel resposta, = E(Y) = X, o com-

ponente sistematico, X a matriz do modelo, de dimensoes n p, = (1 , . . . , p )T ,
o vetor dos parametros, = (1 , . . . , n )T , o componente aleatorio com i N(0, 2 ),
i = 1, . . . , n. Nesse caso, tem-se que Y N(, 2 I) e o vetor de medias da dis-
tribuicao normal, que define o componente aleatorio, e igual ao preditor linear que
representa o componente sistematico. Essa e a forma mais simples de ligacao entre
esses dois componentes e recebe o nome de funcao de ligacao identidade.
Em muitos casos, porem, essa estrutura aditiva entre o componente sis-
tematico e o erro aleatorio nao e satisfeita. Alem disso, nao ha razao para se restringir
a estrutura simples dada pela funcao de ligacao identidade, nem a distribuicao nor-
mal para o componente aleatorio e a suposicao de homogeneidade de variancias.
Outros modelos foram surgindo e os desenvolvimentos que levaram a essa
visao geral da modelagem estatstica, remontam a quase dois seculos. Assim, um
MLG e definido por uma distribuicao de probabilidade, membro da famlia (1.5)
de distribuicoes, para a variavel resposta, um conjunto de variaveis independentes
descrevendo a estrutura linear do modelo e uma funcao de ligacao entre a media da
variavel resposta e a estrutura linear. Entre os metodos estatsticos para a analise
de dados univariados que sao casos especiais dos MLG, citam-se:
(a) modelo classico de regressao multipla (Legendre, Gauss, incio do seculo XIX)
e modelo de analise de variancia para experimentos planejados (Fisher, 1920 a
1935) com o erro aleatorio tendo distribuicao normal;
(b) modelo complemento log-log para ensaios de diluicao, envolvendo a distribuicao

binomial (Fisher, 1922);
(c) modelo probito (Bliss, 1935) para o estudo de proporcoes, envolvendo a dis-
tribuicao binomial;
(d) modelo logstico (Berkson, 1944; Dyke e Patterson, 1952; Rasch, 1960; Cox,
1970) para o estudo de proporcoes, envolvendo a distribuicao binomial;
(e) modelos log-lineares para analise de contagens em tabelas de contingencia,

envolvendo a distribuicao de Poisson e a multinomial (Birch, 1963; Haberman,
1970);
(f) modelo logstico para tabelas multidimensionais de proporcoes;
(g) os modelos de testes de vida, envolvendo a distribuicao exponencial (Feigl e

Zelen, 1965; Zippin e Armitage, 1966; Gasser, 1967);
(h) polinomios inversos para ensaios de adubacao, envolvendo a distribuicao gama

(Nelder, 1966);
(i) modelo de analise de variancia com efeitos aleatorios;
(j) modelo estrutural para dados com distribuicao gama;

(l) modelo de regressao nao-simetrica
e outros modelos familiares.

Alem dessas tecnicas usuais, outros modelos podem ser definidos dentro do
contexto dos MLG como, por exemplo, os modelos de Box e Cox (1964) e alguns
modelos de series temporais. Devido ao grande numero de metodos estatsticos que
engloba, a teoria dos MLG vem desempenhando um papel importante na Estatstica
moderna, tanto para especialistas, quanto para nao-especialistas. Esses modelos
podem ainda representar um meio unificado de ensino da Estatstica, em qualquer
curso de graduacao ou pos-graduacao.
Algumas referencias para o estudo dos MLG e extensoes sao: Cordeiro
(1986), McCullagh e Nelder (1989), Firth (1991), Francis et al. (1993), Fahrmeir e
Tutz (1994), McCulloch e Searle (2000), Dobson (2001), Collet (2002), Paula (2004),
Aitkin et al. (2005), Molenberghs e Verbeke (2005) e Lee et al. (2006).
2.2 Exemplos de motivacao

A seguir, serao apresentados alguns dos modelos que apareceram na litera-
tura, independentemente, e que, conforme sera mostrado, podem ser agrupados de
acordo com algumas propriedades comuns, o que permite um metodo unificado para
a estimacao dos parametros.
a) Ensaios do tipo dose-resposta
Ensaios do tipo dose-resposta sao aqueles em que uma determinada droga
e administrada em k diferentes doses, d1 , , dk , respectivamente, a m1 , , mk in-
divduos. Suponha que cada indivduo responde, ou nao, a droga, tal que a resposta
e quantal (tudo ou nada, isto e, 1 ou 0), obtendo-se, apos um perodo especificado,
y1 , , yk indivduos que mudam de estado. Por exemplo, quando um inseticida e
aplicado a um determinado numero de insetos, eles respondem (morrem), ou nao (so-
brevivem), a dose aplicada; quando uma droga benefica e administrada a um grupo
de pacientes, eles podem melhorar (sucesso), ou nao (falha). Dados resultantes desse
tipo de ensaio podem ser considerados como provenientes de uma distribuicao bino-
mial com probabilidade i , que e a probabilidade de ocorrencia (sucesso) do evento
sob estudo, ou seja, o numero de sucessos Yi tem distribuicao binomial B(mi , i ).
Os objetivos desse tipo de experimento sao, em geral, modelar a probabili-
dade de sucesso i como funcao de variaveis explanatorias e, entao, determinar doses
efetivas (DLp , doses que causam mudanca de estado em 100p% dos indivduos, por
exemplo, DL50 , DL90 ), comparar potencias de diferentes produtos etc.
Exemplo 2.1: Os dados da Tabela 2.1 referem-se a um ensaio de toxicidade de

rotenone (Martin, 1942), no delineamento completamente casualizado, em que doses
(di ) do inseticida foram aplicadas a mi insetos (Macrosiphoniella sanborni, pulgao
do crisantemo) e apos um certo tempo foram observados os numeros (yi ) de insetos
mortos.
Tabela 2.1: Numero de insetos mortos (yi ) de (mi ) insetos que receberam a dose di
de rotenone
Dose (di ) mi yi pi
0,0 49 0 0,00
2,6 50 6 0,12
3,8 48 16 0,33
5,1 46 24 0,52
7,7 49 42 0,86
10,2 50 44 0,88
O interesse do pesquisador estava na determinacao das doses letais que

matam 50% (DL50 ) e 90% (DL90 ) dos insetos, para recomendacao de aplicacao
do inseticida no campo. Pode-se observar que o grafico (Figura 2.1) de dispersao
das proporcoes (pi = yi /mi ) de insetos mortos versus as doses (di ) tem um aspecto
sigmoide o que orienta a escolha do modelo para i .
* *
0.8
0.6
Observed proportions
*
0.4
*
0.2
*
0.0
*
0 2 4 6 8 10
Dose
Figura 2.1: Grafico de dispersao das proporcoes (pi ) versus doses (di ) de rotenone,
referentes a Tabela 2.1
Sao dois aspectos, portanto, a serem considerados nos ensaios de dose-

resposta. Um e a intensidade do estmulo que pode ser a dose de uma droga (in-
seticida, fungicida, herbicida, medicamento) e o outro que e o indivduo (um inseto,
um esporo, uma planta, um paciente). O estmulo e aplicado a uma intensidade es-
pecificada em unidades de concentracao e como resultado uma resposta do indivduo
e obtida. Quando a resposta e binaria (0 ou 1), sua ocorrencia, ou nao, dependera
da intensidade do estmulo aplicado. Para todo indivduo havera um certo nvel de
intensidade abaixo do qual a resposta nao ocorre e acima do qual ela ocorre; na
terminologia farmacologica e toxicologica, esse valor e chamado tolerancia (Ashton,
1972). Essa tolerancia varia de um indivduo para outro da populacao e, entao, ha
uma distribuicao de tolerancias a qual pode-se associar uma variavel aleatoria U com
f.d.p. representada por curvas, simetricas ou assimetricas, dos tipos apresentados na
Figura 2.2.
Se a dose d e dada para a populacao toda e f (u) e a funcao densidade

0.4
0.10
0.3
0.08
0.06
f(dose)
f(dose)
0.2
0.04
0.1
0.02
0.00
0.0
5 10 15 20 25 30 35 5 10 15 20 25 30 35
dose dose
Figura 2.2: Dois tipos de distribuicoes de tolerancia
para a distribuicao de tolerancias, todo indivduo cuja tolerancia e menor do que

d respondera a droga, e a probabilidade de que um indivduo escolhido ao acaso
responda a dose, conforme Figura 2.3, e dada por
Z d
= P(U d) = F(d) = f (u)du. (2.1)

A probabilidade de ocorrer uma resposta (sucesso) e tipicamente nula para

valores pequenos de d, unitaria para valores grandes de d (pois, entao, um sucesso
e certo) e e uma funcao estritamente crescente de d. Uma tal curva tem as pro-
priedades matematicas de uma funcao de distribuicao contnua acumulada e tem a
forma sigmoide tpica como mostrada na Figura 2.3.
Observe-se que nenhum indivduo responde se a dose e muito pequena e
que todos os indivduos respondem se a dose e muito grande. Essas suposicoes nem
sempre sao razoaveis. Pode haver indivduos que respondem, naturalmente, sem a
droga (morte natural) e outros que sao imunes a droga, o que pode causar um excesso
de zeros e uma variabilidade maior do que a esperada (superdispersao).
O problema, entao, esta em se encontrar uma curva sigmoide que se ajuste
bem aos dados e a partir dela obter DL50 e DL90 . O que ocorre, porem, e que sao
modelos nao-lineares nos parametros e, entao, a ideia e se fazer uma transformacao tal
0.4
1.0
0.8
0.3
Proporo de insetos mortos
0.6
f(dose)
0.2
0.4
0.1
0.2
0.0
0.0
LD50
5 10 15 20 25 30 35 5 10 15 20 25 30 35
dose dose
Figura 2.3: Area sob a curva de tolerancia e correspondente distribuicao acumulada
que essa curva sigmoide se transforme em uma reta e, assim, procedimentos comuns
de regressao possam ser usados para se estimarem os parametros. A Figura 2.4
mostra as distribuicoes, e suas correspondentes curvas sigmoides, mais comumente
usadas, cujas expressoes e respectivas transformacoes lineares sao apresentadas, a
seguir.
0.4
1.0
Normal Probit
Logstica Logit
Gumbel Cloglog
0.8
0.3
F(Propores de insetos mortos)
Propores de insetos mortos
0.6
0.2
0.4
0.1
0.2
0.0
0.0
0 2 4 6 8 10 0 2 4 6 8 10
dose dose
Figura 2.4: Distribuicoes de tolerancia e sigmoides
i) Modelo probito (Probability unit)

Nesse caso, assume-se que U tem distribuicao normal de media R e
variancia 2 > 0, isto e,

2 1 (u )2
fU (u; , ) = exp ,
2 2 2 2
U
e, portanto, com Z = N(0, 1),

1
i = P(U di ) = P Z + di = P(Z 1 + 2 di )

para 1 = / e 2 = 1/. Logo,
i = (1 + 2 di ),
em que () representa a funcao de distribuicao normal padrao, e uma funcao nao-

linear em um conjunto linear de parametros. E linearizada por
probit(i ) = 1 (i ) = 1 + 2 di .
ii) Modelo logstico (Logistic unit)

Nesse caso, assume-se que U tem distribuicao logstica com parametros
R e > 0, que e similar a distribuicao normal na forma, com caudas um pouco mais
longas e tem f.d.p. dada por

u
exp
1
fU (u; , ) = 2 ,
u
1 + exp

com media E(U ) = e variancia 2 = Var(U ) = 2 2 /3. Fazendo-se, 1 = / e

2 = 1/ , tem-se
2 e1 +2 u
fU (u; 1 , 2 ) = .
(1 + e1 +2 u )2
Logo,
e1 +2 di
i = P(U di ) = F(di ) =
1 + e1 +2 di
e uma funcao nao-linear em um conjunto linear de parametros, sendo linearizada por

i
logit(i ) = log = 1 + 2 di .
1 i
iii) Modelo complemento log-log

Nesse caso, assume-se que U tem distribuicao Gumbel de valor extremo com
parametros e , que e uma distribuicao assimetrica ao contrario das duas anteriores
que sao simetricas, e tem f.d.p. dada por

1 u u
fU (u; , ) = exp exp exp , R, > 0,

com media E(U ) = + e variancia 2 = Var(U ) = 2 2 /6, sendo 0, 577216 o

P
numero de Euler que e definido por = (1) = limn ( ni=1 i1 log n), em que
(p) = d log (p)/dp e a funcao digama. Fazendo-se, 1 = / e 2 = 1/ , tem-se

fU (u; 1 , 2 ) = 2 exp 1 + 2 u e1 +2 u .
Logo,
i = P(U di ) = F(di ) = 1 exp [ exp(1 + 2 di )]
e uma funcao nao-linear em um conjunto linear de parametros e e linearizada por
log[ log(1 i )] = 1 + 2 di .
Entao, esses tres exemplos tem em comum
i) a distribuicao dos Yi (binomial) e um membro da famlia exponencial, com

E(Yi ) = i = mi i ;
ii) as variaveis explanatorias entram na forma de uma soma linear de seus efeitos
sistematicos, ou seja,
2
X
i = xij j = xTi ,
j=1
sendo xTi = (1, di ), = (1 , 2 )T e i o preditor linear.

iii) a media i e funcionalmente relacionada ao preditor linear, isto e,

i
i = g = g(i )
mi
que nos casos analisados foram:
modelo probito: i = g(i ) = 1 (i );

i
modelo logstico: i = g(i ) = log ;
1 i
modelo complemento log-log: i = g(i ) = log[ log(1 i )].
Portanto, tem-se que esses modelos sao baseados na famlia exponencial

uniparametrica (1.2) com medias que sao nao-lineares num conjunto de parametros
lineares, isto e,
modelo probito: i = mi (1 + 2 di );
e1 +2 di
modelo logstico: i = mi ;
1 + e1 +2 di
modelo complemento log-log: i = mi {1 exp[ exp(1 + 2 di )]}.
b) Ensaios de diluicao
E pratica comum, o uso dos ensaios de diluicao para se estimar a concen-
tracao de um organismo (numero por unidade de volume, de area, de peso etc.)
em uma amostra. Quando a contagem direta nao e possvel, mas a presenca ou
ausencia do organismo em sub-amostras pode ser detectada (Ridout e Fenlon, 1998)
pode-se, tambem, estimar . Em geral, registrar a presenca, ou ausencia, fica mais
economico do que fazer a contagem. Por exemplo, pode-se detectar se uma deter-
minada bacteria esta presente, ou nao, em um lquido por um teste de cor, ou se
um fungo esta presente, ou nao, em uma amostra de solo, plantando-se uma planta
susceptvel nesse solo e verificando se a planta apresenta sintomas da doenca. Esse
metodo esta baseado na suposicao de que o numero de indivduos presentes segue
uma distribuicao de Poisson, o que e uma suposicao forte e e importante verificar se
e verdadeira. Por exemplo, a distribuicao espacial de um fungo no solo esta longe
de ser aleatoria e pode ser que o numero de indivduos em diferentes amostras desse
solo nao siga a distribuicao de Poisson.
Nos ensaios de diluicao, a solucao original e diluda progressivamente e
na i-esima diluicao sao feitas as contagens (Exemplo 2.2) ou, entao, sao testadas
mi sub-amostras das quais Yi apresentam resultado positivo para a presenca do
organismo (Exemplo 2.3). Seja i o volume da amostra original que esta presente
em cada uma das sub-amostras na i-esima diluicao. Em geral, mas nem sempre, sao
usadas diluicoes iguais, tal que os i0 s ficam em progressao geometrica.
Exemplo 2.2: A Tabela 2.2 mostra os dados referentes a contagens de partculas de

vrus para cinco diluicoes diferentes, sendo que foram usadas quatro repeticoes para
as quatro primeiras diluicoes e cinco repeticoes para a ultima diluicao. O objetivo
do experimento era estimar o numero de partculas de vrus por unidade de volume.
Tabela 2.2: Numeros de partculas de vrus para cinco diluicoes diferentes
Diluicao Contagens
0,3162 13 14 17 22
0,1778 9 14 6 14
0,1000 4 4 3 5
0,0562 3 2 1 3
0,0316 2 1 3 2 2
Fonte: Ridout (1990), notas de aula
Exemplo 2.3: A Tabela 2.3 mostra os dados de um ensaio de diluicao realizado para
determinar o numero de esporos de Bacillus mesentericus por grama (g) de farinha
de batata (Fisher e Yates, 1970). Uma suspensao lquida foi preparada e sujeita a
sucessivas diluicoes para que resultassem solucoes com 4, 2, ..., 1/128g de farinha
por 100ml de solucao. Para cada diluicao foram tomadas cinco amostras de 1ml e
foi contado o numero de amostras com esporos.
Tabela 2.3: Numeros de amostras (Y ) que contem esporos em cinco amostras, para
diferentes quantias (g) de farinha de batata em cada diluicao.
g/100 ml 4 2 1 1/2 1/4 1/8 1/16 1/32 1/64 1/128

y 5 5 5 5 4 3 2 2 0 0
O parametro de interesse e , a concentracao de organismos por unidade

de volume (i ). Se os organismos estao aleatoriamente distribudos, o numero de
organismos em uma sub-amostra da i-esima diluicao segue a distribuicao de Poisson
com media i , isto e,
i = i .
Assim, se forem feitas contagens dos indivduos apos a diluicao, tem-se que
essa expressao, pode ser linearizada, usando-se a funcao logartmica, ou seja,
i = log (i ) = log () + log (i ) = 1 + offset, (2.2)
em que offset e um valor conhecido na regressao.

Quando se observa o numero de amostras em que o indivduo esta presente
tem-se Yi B(mi , i ), desde que as sub-amostras de cada diluicao sejam indepen-
dentes, sendo que a probabilidade i de que o organismo esteja presente na sub-
amostra i e dada por
i = P(pelo menos um organismo presente) = 1 exp(i ).
Logo,
i = log [ log (1 i )] = log () + log (i ) = 1 + offset. (2.3)
Tem-se, em (2.2) e (2.3), que 1 = log () e log (i ) entra como variavel

offset. Alem disso, para (2.2) tem-se a funcao de ligacao logartmica para o modelo
de Poisson enquanto que para (2.3) tem-se a funcao de ligacao complemento log-log
para o modelo binomial.
Esse metodo de diluicao em serie e muito utilizado em diversas areas da
Biologia. Podem ser tratados de forma semelhante os problemas de estimacao de:
a) proporcao de sementes doentes em um lote de sementes, em que n e o tamanho

da amostra de sementes, e a probabilidade de uma semente infectada e
= P(pelo menos uma semente doente) = 1 (1 )n = 1 en log(1) ;
b) proporcao de um determinado tipo de celula em uma populacao em estudos de

imunologia;
c) probabilidade de uma partcula de vrus matar um inseto, nos ensaios de con-

trole biologico;
d) taxa media de falha de um determinado componente quando os tempos de falha

sao distribudos exponencialmente.
Nesse exemplo, verifica-se, novamente, que:
i) a distribuicao dos Yi (Poisson ou binomial) e um membro da famlia exponen-

cial uniparametrica (1.2), com E(Yi ) = i (Poisson) ou E(Yi ) = i = mi i
(binomial);
ii) as variaveis explanatorias entram na forma de uma soma linear de seus efeitos,
ou seja,
2
X
i = xij j = xTi ,
j=1
sendo xi = (1, di )T , = (1 , 2 )T e i o preditor linear.
iii) a media i e funcionalmente relacionada ao preditor linear, isto e,

i
i = g(i ) ou i = g = g(i )
mi
que nos casos analisados foram:
modelo log-linear: i = g(i ) = log i ;
modelo complemento log-log: i = g(i ) = log[ log(1 i )].
Portanto, esses modelos sao baseados na famlia exponencial uniparametrica

(1.2), cujas medias sao nao-lineares num conjunto de parametros lineares, isto e,
modelo log-linear: i = e1 +offset ;
modelo complemento log-log: i = mi {1 exp[ exp(1 + offset)]},
sendo 2 = 1 e log (i ) = offset.
c) Tabelas de contingencia
Dados de contagens sao oriundos da simples contagem de eventos (por
exemplo, numero de brotos por explante), ou entao, da frequencia de ocorrencias em
varias categorias e que dao origem as tabelas de contingencia. Sejam os exemplos
que se seguem.
Exemplo 2.4: Os dados da Tabela 2.4 referem-se a coletas de insetos em armadilhas

adesivas de duas cores, em que os indivduos coletados de uma determinada especie
foram sexados, tendo como objetivo verificar se havia influencia da cor da armadilha
sobre a atracao de machos e femeas dessa especie.
Tabela 2.4: Numeros de insetos coletados em armadilhas adesivas e sexados

Armadilha Machos Femeas Totais
Alaranjada 246 17 263
Amarela 458 32 490
Totais 704 49 753
Fonte: Silveira Neto et al. (1976)
Tem-se que o numero de insetos que chegam as armadilhas, seja do

sexo feminino ou do sexo masculino e um numero aleatorio, caracterizando uma
observacao de uma variavel com distribuicao de Poisson. A hipotese de interesse e
a hipotese da independencia, isto e, o sexo do inseto nao afeta a escolha pela cor da
armadilha.
Exemplo 2.5: Os dados da Tabela 2.5 referem-se a um ensaio de controle de brocas

do fruto do tomateiro atraves de quatro tratamentos. Tem-se aqui, tambem, um
Tabela 2.5: Numeros de frutos de tomateiro sadios e com broca

Inseticidas Frutos Totais
Sadios Com broca
Diazinon 1690 115 1805
Phosdrin 1578 73 1651
Sevin 2061 53 2114
Testemunha 1691 224 1915
Totais 7020 465 7485
Fonte: Silveira Neto et al. (1976)
caso em que o numero total de frutos com broca e uma variavel aleatoria e, por-
tanto, pode ser estudada pela distribuicao de Poisson. A hipotese a ser testada e
a da homogeneidade, isto e, a proporcao de frutos sadios e a mesma para todos os
inseticidas.
A distribuicao de Poisson e especialmente util na analise de tabelas de con-

tingencia em que as observacoes consistem de contagens ou frequencias nas caselas
pelo cruzamento das variaveis resposta e explanatorias.
Considerando-se uma tabela de contingencia bidimensional e a hipotese de

independencia, se yij representa o numero de observacoes numa classificacao cruzada
de dois fatores i e j com I e J nveis, respectivamente, para i = 1, . . . , I e j = 1, . . . , J,
entao,
ij = E(Yij ) = mi+ +j ,
PI PJ
em que m = i=1 j=1 yij e i+ e +j sao as probabilidades marginais de uma
observacao pertencer as classes i e j, respectivamente. Pode-se, entao, supor que Yij
tem distribuicao de Poisson com media ij .
Ve-se, entao, que uma funcao logartmica lineariza esse modelo, isto e,
ij= log(ij ) = log(m) + log(i+ ) + log(+j ) = + i + j .
Novamente, tem-se:
i) a distribuicao de Yij (Poisson) e um membro da famlia exponencial, com

E(Yij ) = ij ;
ii) as variaveis explanatorias entram na forma de uma soma linear de seus efeitos,
ou seja,
= X,
sendo = (11 , . . . , 1J , . . . , I1 , . . . , IJ )T o preditor linear, X uma ma-

triz, de dimensoes IJ (I + J + 1), de variaveis dummy e =
(, 1 , . . . , I , 1 , . . . , J )T ;
iii) a media e funcionalmente relacionada ao preditor linear, isto e,
ij = g(ij ) = log ij .
Portanto, tem-se que esses modelos sao baseados na famlia exponencial

uniparametrica (1.2), cujas medias sao nao-lineares num conjunto de parametros
lineares, ou seja, = exp () = exp(XT ).
De forma semelhante, pode ser verificado que, em geral, para dados colo-
cados em tabelas de contingencia, as hipoteses mais comuns podem ser expressas
como modelos multiplicativos para as frequencias esperadas das caselas (McCullagh
e Nelder, 1989; Agresti, 2002; Paulino e Singer, 2006). Verifica-se, entao, que na
analise de dados categorizados, de uma forma geral, a media e obtida como um
produto de outras medias marginais. Isso sugere que uma transformacao logartmica
do valor esperado lineariza essa parte do modelo (da vem o nome de modelo log-
linear).
2.3 Definicao
Os modelos lineares generalizados podem ser usados quando se tem uma
unica variavel aleatoria Y associada a um conjunto de variaveis explanatorias
x1 , . . . , xp . Para uma amostra de n observacoes (yi , xi ) em que xi = (xi1 , . . . , xip )T
e o vetor coluna de variaveis explanatorias, o MLG envolve os tres componentes:
i) Componente aleatorio: representado por um conjunto de variaveis aleatorias

independentes Y1 , . . . , Yn provenientes de uma mesma distribuicao que faz parte
da famlia de distribuicoes (1.5) com medias 1 , . . . , n , ou seja,
E(Yi ) = i , i = 1, . . . , n,
sendo > 0 um parametro de dispersao e o parametro i denominado

parametro canonico. A f.d.p. de Yi e dada por

f (yi ; i , ) = exp 1 [yi i b(i )] + c(yi , ) , (2.4)
sendo b() e c() funcoes conhecidas. Conforme foi visto na Secao 1.4
E(Yi ) = i = b0 (i )
e
Var(Yi ) = b00 (i ) = Vi ,
em que Vi = V (i ) = di /di e denominada de funcao de variancia e depende

unicamente da media i . O parametro natural i pode ser expresso como
Z
i = Vi1 di = q(i ), (2.5)
sendo q(i ) uma funcao conhecida da media i . Dada uma relacao funcional
para a funcao de variancia V (), o parametro canonico e obtido da equacao
(2.5) e a distribuicao fica determinada na famlia exponencial (2.4). A im-
portancia da famlia (2.4) na teoria dos MLG e que ela permite incorporar
dados que exibem assimetria, dados de natureza discreta ou contnua e dados
que sao restritos a um intervalo do conjunto dos reais, como o intervalo (0,1).
ii) Componente sistematico: as variaveis explicativas entram na forma de uma

soma linear de seus efeitos
p
X
i = xir j = xTi ou = X, (2.6)
r=1
sendo X = (x1 , . . . , xn )T a matriz do modelo, = (1 , . . . , p )T o vetor de

parametros e = (1 , . . . , n )T o preditor linear. Se um parametro tem valor
conhecido, o termo correspondente na estrutura linear e chamado offset, como
visto nos ensaios de diluicao.
iii) Funcao de ligacao: uma funcao que relaciona o componente aleatorio ao

componente sistematico, ou seja, relaciona a media ao preditor linear, isto e,
i = g(i ), (2.7)
sendo g() uma funcao monotona e diferenciavel.
Assim, ve-se que para a especificacao do modelo, os parametros i da famlia

de distribuicoes (2.4) nao sao de interesse direto (pois ha um para cada observacao)
mas sim um conjunto menor de parametros 1 , . . . , p tais que uma combinacao linear
dos 0 s seja igual a alguma funcao do valor esperado de Yi .
Portanto, uma decisao importante na escolha do MLG e definir os termos
do trinomio: (i) distribuicao da variavel resposta; (ii) matriz do modelo e (iii) funcao
de ligacao. Nesses termos, um MLG e definido por uma distribuicao da famlia (2.4),
uma estrutura linear (2.6) e uma funcao de ligacao (2.7). Por exemplo, quando =
e a funcao de ligacao e linear (identidade), obtem-se o modelo classico de regressao
como um caso particular. Os modelos log-lineares sao deduzidos supondo = log
com funcao de ligacao logartmica log = . Torna-se clara, agora, a palavra gene-
ralizado, significando uma distribuicao mais ampla do que a normal para a variavel
resposta, e uma funcao nao-linear em um conjunto linear de parametros conectando
a media dessa variavel com a parte determinstica do modelo.
Observe-se que na definicao de um MLG por (2.4), (2.6) e (2.7) nao existe
aditividade entre a media e o erro aleatorio , como no modelo classico de regressao
descrito na Secao 2.1, produzindo o componente aleatorio Y . Define-se no MLG uma
distribuicao para a variavel resposta que representa os dados e nao uma distribuicao
para o erro aleatorio .
A escolha da distribuicao em (2.4) e, usualmente, feita pela natureza dos
dados (discreta ou contnua) e pelo seu intervalo de variacao (conjunto dos reais,
reais positivos ou um intervalo como (0,1)). Na escolha da matriz do modelo X =
{xir }, de dimensoes n p e suposta de posto completo, xir pode representar a
presenca ou ausencia de um nvel de um fator classificado em categorias, ou pode
ser o valor de uma covariavel quantitativa. A forma da matriz do modelo representa
matematicamente o desenho do experimento. A escolha da funcao de ligacao depende
do problema em particular e, pelo menos em teoria, cada observacao pode ter uma
ligacao diferente.
As funcoes de ligacao usuais sao: potencia = em que e um numero
real, logstica = log[/(m )], probito = 1 (/m) sendo (.) a funcao de
distribuicao acumulada (f.d.a.) da distribuicao normal padrao e a complemento log-
log = log[ log (1 /m)], em que m e o numero de ensaios independentes. As
tres ultimas funcoes sao apropriadas para o modelo binomial, pois transformam o
intervalo (0, 1) em (, +). Casos importantes da funcao de ligacao potencia sao
identidade, recproca, raiz quadrada e logartmica, correspondentes, a = 1, 1,
1/2 e 0, respectivamente.
Se a funcao de ligacao e escolhida de tal forma que g(i ) = i = i , o
preditor linear modela diretamente o parametro canonico i , e e chamada funcao de
ligacao canonica. Os modelos correspondentes sao denominados canonicos. Isso re-
sulta, frequentemente, em uma escala adequada para a modelagem com interpretacao
pratica para os parametros de regressao, alem de vantagens teoricas em termos da
existencia de um conjunto de estatsticas suficientes para o vetor de parametros e
alguma simplificacao no algoritmo de estimacao. A estatstica suficiente e T = XT Y,
P
com componentes Tr = ni=1 xir Yi , r = 1, . . . , p. As funcoes de ligacao canonicas
para as principais distribuicoes estao apresentadas na Tabela 2.6.
Tabela 2.6: Funcoes de ligacao canonicas
Distribuicao Funcao de ligacao canonica

Normal Identidade: =
Poisson Logartmica: = log

Binomial Logstica: = log( ) = log( )
1 m
1
Gama Recproca: =

1
Normal Inversa Recproca do quadrado: = 2

Deve ser lembrado, porem, que embora as funcoes de ligacao canonicas levem
a propriedades estatsticas desejaveis para o modelo, principalmente, no caso de
amostras pequenas, nao ha nenhuma razao a priori para que os efeitos sistematicos
do modelo devam ser aditivos na escala dada por tais funcoes. Para o modelo classico
de regressao, a funcao de ligacao e a identidade, pois o preditor linear e igual a media.
Essa funcao de ligacao e adequada no sentido em que ambos, e , podem assumir
valores na reta real. Entretanto, certas restricoes surgem quando se trabalha, por
exemplo, com a distribuicao de Poisson em que > 0 e, portanto, a funcao de
ligacao identidade nao deve ser usada, pois podera assumir valores negativos,
dependendo dos valores obtidos para . Alem disso, dados de contagem dispostos
em tabelas de contingencia, sob a suposicao de independencia, levam, naturalmente,
a efeitos multiplicativos cuja linearizacao pode ser obtida atraves da funcao de ligacao
logartmica, isto e, = log e, portanto, = e (conforme visto na Secao 2.2 ).
Aranda-Ordaz (1981) propos a famlia de funcoes de ligacao para analise de
dados na forma de proporcoes dada por

(1 ) 1
= log ,

sendo uma constante desconhecida e que tem como casos particulares o modelo
logstico para = 1 e o complemento log-log para 0.
Uma famlia importante de funcoes de ligacao, principalmente para dados
com media positiva, e a famlia potencia especificada por

1 6= 0

log =0
ou entao,
6= 0
log = 0
sendo uma constante desconhecida.

Captulo 3
Estimacao
3.1 O algoritmo de estimacao
A decisao importante na aplicacao dos MLG e a escolha do trinomio: dis-
tribuicao da variavel resposta matriz modelo funcao de ligacao. A selecao
pode resultar de simples exame dos dados ou de alguma experiencia anterior. Ini-
cialmente, considera-se esse trinomio fixo para se obter uma descricao adequada dos
dados atraves das estimativas dos parametros do modelo. Muitos metodos podem ser
usados para estimar os parametros 0 s, inclusive o qui-quadrado mnimo, o Bayesiano
e a estimacao-M. O ultimo inclui o metodo de maxima verossimilhanca (MV) que
tem muitas propriedades otimas, tais como, consistencia e eficiencia assintotica.
Neste livro, considera-se apenas o metodo de MV para estimar os parametros
lineares 1 , . . . , p do modelo. O vetor escore e formado pelas derivadas parciais de
primeira ordem do logaritmo da funcao de verossimilhanca. O logaritmo da funcao de
verossimilhanca como funcao apenas de (considerando-se o parametro de dispersao
conhecido) dado o vetor y e definido por `() = `(; y) e usando-se a expressao
(2.4) tem-se
n n
1X X
`() = [yi i b(i )] + c(yi , ), (3.1)
i=1 i=1
p
X
1
em que i = q(i ), i = g (i ) e i = xir r . Da expressao (3.1) pode-se calcular,
r=1
`()
pela regra da cadeia, o vetor escore U() = de dimensao p, com elemento

35
n
`() X dì di di i
tpico Ur = = , pois
r i=1
d i d i d i r
`() = f (1 , 2 , . . . , i , . . . , n )

R
i = Vi1 di = q( i )

i = g 1 (i ) = h( i )

Pp
i = r=1 xir r
di
e, sabendo-se que i = b0 (i ) e = Vi , tem-se
di
n
1X 1 di
Ur = (yi i ) xir (3.2)
i=1 Vi di
para r = 1, . . . , p.
A estimativa de maxima verossimilhanca (EM V ) do vetor de parametros
e obtida igualando-se Ur a zero para r = 1, . . . , p. Em geral, as equacoes Ur = 0,
r = 1, . . . , p, nao sao lineares e tem que ser resolvidas numericamente por processos
iterativos do tipo Newton-Raphson.
O metodo iterativo de Newton-Raphson para a solucao de uma equacao
f (x) = 0 e baseado na aproximacao de Taylor para a funcao f (x) na vizinhanca do
ponto x0 , ou seja,
f (x) = f (x0 ) + (x x0 )f 0 (x0 ) = 0,
obtendo-se
f (x0 )
x = x0
f 0 (x0 )
ou, de uma forma mais geral,
f (x(m) )
x(m+1) = x(m) ,
f 0 (x(m) )
sendo x(m+1) o valor de x no passo (m + 1), x(m) o valor de x no passo m, f (x(m) ) a
funcao f (x) avaliada em x(m) e f 0 (x(m) ) a derivada da funcao f (x) avaliada em x(m) .
Considerando-se que se deseja obter a solucao do sistema de equacoes U =
U() = `()/ = 0 e, usando-se a versao multivariada do metodo de Newton-
Raphson, tem-se
(m+1) = (m) + (J(m) )1 U(m) ,
sendo (m) e (m+1) os vetores de parametros estimados nos passos m e (m + 1),

respectivamente, U(m) o vetor escore avaliado no passo m, e (J(m) )1 a inversa da
negativa da matriz de derivadas parciais de segunda ordem de `(), com elementos
2 `()
, avaliada no passo m.
r s
Quando as derivadas parciais de segunda ordem sao avaliadas facilmente, o
metodo de Newton-Raphson e bastante util. Acontece, porem, que isso nem sem-
pre ocorre e no caso dos MLG usa-se o metodo escore de Fisher que, em geral, e
mais simples (coincidindo com o metodo de Newton-Raphson no caso das funcoes de
ligacao canonicas). Esse metodo envolve a substituicao da matriz de derivadas par-
ciais de segunda ordem pela matriz de valores esperados das derivadas parciais, isto
e, a substituicao da matriz de informacao observada, J, pela matriz de informacao
esperada de Fisher, K. Logo,
(m+1) = (m) + (K(m) )1 U(m) , (3.3)
sendo que K tem elementos tpicos dados por

2 `() `() `()
r,s = E =E ,
r s r s
que e a matriz de covariancias dos Ur0 s.

Multiplicando-se ambos os membros de (3.3) por K(m) , tem-se
K(m) (m+1) = K(m) (m) + U(m) . (3.4)
O elemento tpico rs de K e obtido de (3.2) como

n
X 2
2 2 1 di
r,s = E(Ur Us ) = E(Yi i ) 2 xir xis
i=1
Vi di
ou
n
X
r,s = 1 wi xir xis ,
i=1
2
1 di
sendo wi = denominado peso. Logo, a matriz de informacao de Fisher
Vi di
para tem a forma
K = 1 XT WX,
sendo W = diag{w1 , . . . , wn } uma matriz diagonal de pesos que traz a informacao

sobre a distribuicao e a funcao de ligacao usadas e podera incluir tambem um termo
para peso a priori. No caso das funcoes de ligacao canonicas tem-se wi = Vi , pois
Vi = V (i ) = di /di . Note-se que a informacao e inversamente proporcional ao
parametro de dispersao.
O vetor escore U = U() com componentes em (3.2) pode, entao, ser escrito
na forma
1 T
U= X WG(y ),

com G = diag {d1 /d1 , . . . , dn /dn } = diag{g 0 (1 ), . . . , g 0 (n )}. Assim, a matriz
diagonal G e formada pelas derivadas de primeira ordem da funcao de ligacao.
Substituindo K e U em (3.4) e eliminando , tem-se
XT W(m) X (m+1) = XT W(m) X (m) + XT W(m) G(m) (y (m) ),
ou, ainda,
XT W(m) X (m+1) = XT W(m) [ (m) + G(m) (y (m) )].
Define-se a variavel dependente ajustada z = + G(y ). Logo,
XT W(m) X (m+1) = XT W(m) z(m)
ou
(m+1) = (XT W(m) X)1 XT W(m) z(m) . (3.5)

A equacao matricial (3.5) e valida para qualquer MLG e mostra que a solucao
das equacoes de MV equivale a calcular repetidamente uma regressao linear ponde-
rada de uma variavel dependente ajustada z sobre a matriz X usando uma funcao de
peso W que se modifica no processo iterativo. As funcoes de variancia e de ligacao
entram no processo iterativo atraves de W e z. Note-se que Cov(z) = GCov(Y)G =
W1 , isto e, os zi nao sao correlacionados. E importante enfatizar que a equacao
iterativa (3.5) nao depende do parametro de dispersao .
A demonstracao de (3.5), em generalidade, foi dada por (Nelder e Wedder-
burn, 1972). Eles generalizaram procedimentos iterativos obtidos para casos especiais
dos MLG: probit (Fisher, 1935), log-lineares (Haberman, 1970) e logstico-lineares
(Cox, 1972).
A variavel dependente ajustada depende da derivada de primeira ordem da
funcao de ligacao. Quando a funcao de ligacao e linear ( = ), isto e, a identidade,
tem-se W = V1 em que V = diag{V1 , . . . , Vn }, G = I e z = y, ou seja, a variavel
dependente ajustada reduz-se ao vetor de dados. Para o modelo normal linear (V =
I, = ), tornando W igual a matriz identidade de dimensao n, z = y e de (3.5)
obtem-se que a estimativa reduz-se a formula esperada = (XT X)1 XT y. Esse e o
unico caso em que e calculado de forma exata sem ser necessario um procedimento
iterativo.
O metodo usual para iniciar o processo iterativo e especificar uma estimativa
inicial e sucessivamente altera-la ate que a convergencia seja obtida e, portanto,
(m+1) aproxime-se de quando m cresce. Note, contudo, que cada observacao
(1)
pode ser considerada como uma estimativa do seu valor medio, isto e, i = yi e,
portanto, calcula-se
(1) (1) (1) 1

i = g(i ) = g(yi ) e wi = .
V (yi )[g 0 (yi )]2
Usando-se (1) como variavel resposta, X, a matriz do modelo, e W(1) ,

(1)
a matriz diagonal de pesos com elementos wi , obtem-se o vetor (2) =
(XT W(1) X)1 XT W(1) (1) . A seguir, o algoritmo de estimacao, para m = 2, . . . , k,
sendo k 1 o numero necessario de iteracoes para convergencia, pode ser resumido
nos seguintes passos:
(1) obter as estimativas
p
(m)
X (m) (m)
i = xir r(m) e i = g 1 (i );
r=1
(2) obter a variavel dependente ajustada
(m) (m) (m) (m)

zi = i + (yi i )g 0 (i )
e os pesos
(m) 1
wi = (m) (m)
;
V (i )[g 0 (i )]2
3) calcular
(m+1) = (XT W(m) X)1 XT W(m) z(m) ,
voltar ao passo (1) com (m) = (m+1) e repetir o processo ate obter a convergencia,
definindo-se, entao, = (m+1) .
Dentre os muitos existentes, um criterio para verificar a convergencia poderia
ser
p
!2
X r
(m+1)
r
(m)
(m)
< ,
r=1 r
tomando-se para um valor suficientemente pequeno. Em geral, esse algoritmo e
robusto e converge rapidamente (menos de 10 iteracoes sao suficientes).
Deve-se tomar cuidado se a funcao g() nao e definida para alguns valores
yi . Por exemplo, se a funcao de ligacao for dada por
= g() = log
e forem observados valores yi = 0, o processo nao pode ser iniciado. Um metodo

geral para contornar esse problema e substituir y por y + c tal que E[g(y + c)] seja
o mais proxima possvel de g(). Para o modelo de Poisson com funcao de ligacao
logartmica usa-se c = 1/2. Para o modelo logstico usa-se c = (1 2)/2 e = /m,
sendo m o ndice da distribuicao binomial. De uma forma geral, usando-se a expansao
de Taylor ate segunda ordem para g(y + c) em relacao a g(), tem-se
g 00 ()
g(y + c) g() + (y + c )g 0 () + (y + c )2
2
com valor esperado dado por
g 00 ()
E[g(Y + c)] g() + cg 0 () + Var(Y )
2
que implica
1 g 00 ()
c Var(Y ) 0 .
2 g ()
Para pequenas amostras, a equacao (3.5) pode divergir. O numero de itera-
coes ate convergencia depende inteiramente do valor inicial arbitrado para , embora,
geralmente, o algoritmo convirja rapidamente. A desvantagem do metodo tradicional
de Newton-Raphson com o uso da matriz observada de derivadas de segunda ordem
e que, normalmente, nao converge para determinados valores iniciais.
Varios software estatsticos utilizam o algoritmo iterativo (3.5) para obter
as EMV 1 , . . . , p dos parametros lineares do MLG, entre os quais, GENSTAT,
S-PLUS, SAS, MATLAB e R.
3.2 Estimacao em modelos especiais

Para as funcoes de ligacao canonicas w = V = d/d que produzem os mo-
delos denominados canonicos, as equacoes de MV tem a seguinte forma, facilmente
deduzidas de (3.2),
n
X n
X
xir yi = xir i
i=1 i=1
para r = 1, . . . , p. Em notacao matricial, tem-se
XT y = XT . (3.6)
Nesse caso, as estimativas de MV dos 0 s sao unicas. Sendo S = (S1 , . . . , Sp )T o

P
vetor de estatsticas suficientes, definidas por Sr = ni=1 xir Yi , e s = (s1 , . . . , sp )T os
seus valores amostrais, as equacoes (3.6) podem ser expressas por E(S; ) = s, sig-
nificando que as estimativas de MV das medias 1 , . . . , n nos modelos canonicos sao
obtidas igualando-se as estatsticas suficientes minimais aos seus valores esperados.
Se a matriz modelo corresponde a uma estrutura fatorial, consistindo so-
mente de zeros e uns, o modelo pode ser especificado pelas margens que sao as
estatsticas minimais, cujos valores esperados devem igualar aos totais marginais.
As equacoes (3.6) sao validas para os seguintes modelos canonicos: modelo
classico de regressao, modelo log-linear, modelo logstico linear, modelo gama com
funcao de ligacao recproca e modelo normal inverso com funcao de ligacao recproca
ao quadrado. Para os modelos canonicos, o ajuste e feito pelo algoritmo (3.5) com
W = diag{Vi }, G = diag{Vi1 } e variavel dependente ajustada com componente
tpica expressa por zi = i + (yi i )/Vi .
Nos modelos com respostas binarias, a variavel resposta tem distribuicao
binomial B(mi , i ), e o logaritmo da funcao de verossimilhanca em (3.1) e expresso
como
n
X n
X
i m i i mi
`() = yi log + mi log + log ,
i=1
m i i mi i=1
yi
em que i = mi i . E importante notar que se yi = 0, tem-se ì () =

mi log[(mi i )/mi ] e se yi = mi , tem-se como componente tpico da funcao (3.7)
ì () = mi log(i /mi ).
No caso especial do modelo logstico linear, obtem-se i = g(i ) =
log[i /(mi i )]. As iteracoes em (3.5) sao realizadas com matriz de pesos
W = diag {i (mi i )/mi }, G = diag {mi /[i (mi i )]} e variavel dependente
ajustada com componentes iguais a zi = i + [mi (yi i )]/[i (mi i )]. O algoritmo
(3.5), em geral, converge, exceto quando ocorrem medias ajustadas proximas a zero
ou ao ndice mi .
Nos modelos log-lineares para analise de dados de contagens, a variavel res-
posta tem distribuicao de Poisson P (i ) com funcao de ligacao logartmica e, por-
tanto, i = log i = xTi , i = 1, . . . , n. Nesse caso, as iteracoes em (3.5) sao realizadas
com matriz de pesos W = diag{i }, G = diag{1
i } e variavel dependente ajustada
com componentes iguais a zi = i + (yi i )/i . Esse caso especial do algoritmo

(3.5) foi apresentado primeiramente por Haberman (1978).
Para analise de dados contnuos, tres modelos sao, usualmente, adotados
com funcao de variancia potencia V () = para = 0 (normal), = 2 (gama) e
= 3 (normal inversa). Para a funcao de variancia potencia, a matriz W entra no

algoritmo (3.5) com a expressao tpica W = diag i (di /di )
2
sendo qualquer
real especificado. Outras funcoes de variancia podem ser adotadas no algoritmo
(3.5) como aquelas dos modelos de quase-verossimilhanca. Por exemplo, V () =
2 (1)2 , V () = +2 (binomial negativo) ou V () = 1+2 (secante hiperbolica
generalizada, Secao 1.3).
O algoritmo (3.5) pode ser usado para ajustar inumeros outros modelos,
como aqueles baseados na famlia exponencial (1.1) que estao descritos por Cordeiro
et al. (1995), bastando identificar as funcoes de variancia e de ligacao.
3.3 Resultados adicionais na estimacao

A partir da obtencao da EMV em (3.5), podem-se calcular as estimativas
de MV dos preditores lineares = X e das medias = g 1 (). A EMV do vetor
de parametros canonicos e, simplesmente, igual a = q().
A inversa da matriz de informacao estimada em representa a estrutura de
covariancia assintotica de , isto e, a matriz de covariancia de quando n .
Logo, a matriz de covariancia de e estimada por
Cov( c 1 ,
d ) = (XT WX) (3.7)
c e o valor da matriz de pesos W avaliada em .

em que W
Intervalos de confianca assintoticos para os parametros 0 s podem ser de-
duzidos da aproximacao (3.7). Observa-se que o parametro de dispersao e um
fator multiplicativo na matriz de covariancia assintotica de . Assim, se Var(r ) e

c 1 , um intervalo de 95% de confianca para r
o elemento (r, r) da matriz (XT WX)
pode ser obtido dos limites (inferior corresponde a - e superior a +)
r 1, 96Var(r )1/2 .
Na pratica, uma estimativa consistente de deve ser inserida nesse intervalo.

A estrutura da covariancia assintotica das estimativas de MV dos preditores
lineares em e obtida diretamente de Cov() = XCov()XT . Logo,
c 1 XT .
Cov() = X(XT WX) (3.8)
A matriz Z = {zij } = X(XT WX)1 XT que aparece em (3.8) desempenha

um papel importante na teoria assintotica dos MLG (Cordeiro, 1983; Cordeiro e
McCullagh, 1991). Essa matriz surge no valor esperado da funcao desvio ate termos
de ordem O(n1 ) e no valor esperado da estimativa ate essa ordem.
A estrutura de covariancia assintotica das estimativas de MV das medias em
pode ser calculada expandindo = g 1 () em serie de Taylor. Tem-se,
dg 1 ()
= + ( )
d
e, portanto,
Cov() = G1 Cov()G1 , (3.9)
em que G = diag {d/d}. Essa matriz e estimada por
c 1 XT G1 .
d ) = G1 X(XT WX)
Cov(
As matrizes Cov() e Cov() em (3.8) e (3.9) sao de ordem n1 .

1/2
Os erros-padrao zii de i e os coeficientes de correlacao estimados
d i , j ) = zij
Corr( ,
(zii zjj )1/2
dos preditores lineares estimados, 1 , . . . , n , sao resultados aproximados que depen-
dem fortemente do tamanho da amostra. Entretanto, sao guias uteis de informacao
sobre a confiabilidade e a interdependencia das estimativas dos preditores lineares,
e podem, tambem, ser usados para obtencao de intervalos de confianca aproxima-
dos para esses parametros. Para alguns MLG, e possvel achar uma forma fechada
para a inversa da matriz de informacao e, consequentemente, para as estruturas de
covariancia assintotica das estimativas de , e .
Frequentemente, nos modelos de analise de variancia, admite-se que os dados
sao originados de populacoes com variancias iguais. Em termos de MLG, isso implica
no uso de uma funcao de ligacao g(), tal que W, nao depende da media e, portanto,
que a matriz de informacao seja constante. Nesse caso, pelo menos, assintoticamente,
a matriz de covariancia das estimativas dos parametros lineares e estabilizada.
Essa funcao de ligacao e denominada estabilizadora e implica na constancia
da matriz de pesos do algoritmo de estimacao. A funcao de ligacao estabilizadora
pode ser obtida como solucao da equacao diferencial d/d = kd/d, sendo que
k e uma constante arbitraria. Por exemplo, para os modelos gama e Poisson, as
solucoes dessa equacao sao o logaritmo e a raiz quadrada, respectivamente. Para as
funcoes de ligacao estabilizadoras, e mais facil obter uma forma fechada para a matriz
de informacao, que depende inteiramente da matriz modelo, isto e, do desenho do
experimento.
Em muitas situacoes, os parametros de interesse nao sao aqueles basicos dos
MLG. Seja = (1 , . . . , q )T um vetor de parametros, em que i = hi (), sendo as
funcoes hi (), i = 1, . . . , q, conhecidas. Supoe-se que essas funcoes, em geral, nao-
lineares, sao suficientemente bem comportadas. Seja a matriz q p de derivadas
D = {hi /j }. As estimativas 1 , . . . , q podem ser calculadas diretamente de
i = hi (), para i = 1, . . . , q. A matriz de covariancia assintotica de e igual a
D(XT WX)1 DT e deve ser estimada no ponto .
Considere, por exemplo, que apos o ajuste de um MLG, tenha-se interesse
em estudar as estimativas dos parametros s definidos por um modelo de regressao
assintotico em tres parametros 0 , 1 e 2
r = 0 1 2zr , r = 1, . . . , q.
A matriz D de dimensoes q 3 e igual, portanto, a

1 2z1 1 2z1
log 2

D = .

z z
1 2 q 1 2 q log 2
3.4 Selecao do modelo

E difcil propor uma estrategia geral para o processo de escolha de um MLG
a ser ajustado aos dados que se dispoe. Isso esta intimamente relacionado ao pro-
blema fundamental da estatstica que, segundo Fisher, e o que se deve fazer com os
dados?.
Em geral, o algoritmo de ajuste deve ser aplicado nao a um MLG isolado,
mas a varios modelos de um conjunto bem amplo que deve ser, realmente, relevante
para o tipo de dados que se pretende analisar. Se o processo e aplicado a um unico
modelo, nao levando em conta possveis modelos alternativos, existe o risco de nao
se obter um dos modelos mais adequados aos dados. Esse conjunto de modelos pode
ser formulado de varias maneiras:
(a) definindo uma famlia de funcoes de ligacao;
(b) considerando diferentes opcoes para a escala de medicao;
(c) adicionando (ou retirando) vetores colunas independentes a partir de uma ma-
triz basica original.
Pode-se propor um conjunto de modelos para dados estritamente positivos,

usando-se a famlia potencia de funcoes de ligacao = g(; ) = ( 1)1 , em que
e um parametro que indexa o conjunto. Para dados reais positivos ou negativos,
outras famlias podem ser definidas como g(; ) = [exp() 1]1 . A estimativa
de MV de , em geral, define um modelo bastante adequado, porem, muitas vezes,
de difcil interpretacao.
Devem-se analisar nao somente os dados brutos mas procurar modelos alter-
nativos aplicados aos dados transformados z = h(y). O problema crucial e a escolha
da funcao de escala h(). No modelo classico de regressao, essa escolha visa a combi-
nar, aproximadamente, normalidade e constancia da variancia do erro aleatorio, bem
como, aditividade dos efeitos sistematicos. Entretanto, nao existe nenhuma garantia
que h() exista, nem mesmo que produza algumas das propriedades desejadas.
Para dar uma ilustracao, suponha que as observacoes y representam conta-
gens, com estrutura de Poisson de media e que os efeitos sistematicos dos fatores

que classificam os dados sejam multiplicativos. A transformacao y produz, para
. .
valores grandes de , E( Y ) = e Var( Y ) = 1/4, sendo os erros de ordem
1/2 . Portanto, a escala raiz quadrada implica na constancia da variancia dos dados
transformados. Entretanto, se o objetivo e obter uma normalidade aproximada, uma
p
escala preferida deve ser h(y) = 3 y 2 , pois o coeficiente de assimetria padronizado de
Y 2/3 e de ordem 1 , ao inves de 1/2 para Y ou Y 1/2 . Ainda a escala h(y) = log y
e bem melhor para obtencao da aditividade dos efeitos sistematicos.
Nao existe nenhuma escala que produza os tres efeitos desejados, embora a
escala definida por h(y) = (3y 1/2 3y 1/6 1/3 + 1/2 )/6, se y 6= 0 e h(y) = [(2)1/2 +
1/2 ]/6, se y = 0, conduza a simetria e constancia da variancia (McCullagh e Nelder,
1989), (Captulo 6). As probabilidades nas extremidades da distribuicao de Poisson
.
podem ser calculadas por P(Y y) = 1 [h(y 1/2)], com erro de ordem 1 , em
que (.) e a f.d.a. da distribuicao normal reduzida.
Nos MLG, o fator escala nao e tao crucial como no modelo classico de
regressao, pois constancia da variancia e normalidade nao sao essenciais para a dis-
tribuicao da variavel resposta e, ainda, pode-se achar uma estrutura aditiva apro-
ximada de termos para representar a media da distribuicao, usando uma funcao de
ligacao apropriada, diferente da escala de medicao dos dados. Entretanto, nao sao
raros os casos em que os dados devem ser primeiramente transformados para se obter
um MLG com um bom ajuste.
A terceira maneira de selecionar o modelo e atraves da definicao do conjunto
de variaveis independentes a serem includas na estrutura linear. Considere um certo
numero de possveis covariaveis x1 , . . . , xm , em que cada vetor xr e de dimensao n,
definindo um conjunto amplo de 2m modelos. O objetivo e selecionar um modelo
de p m covariaveis, cujos valores ajustados expliquem adequadamente os dados.
Se m for muito grande, torna-se impraticavel o exame de todos esses 2m modelos,
mesmo considerando os avancos da tecnologia computacional.
Um processo simples de selecao e de natureza sequencial, adicionando (ou
eliminando) covariaveis (uma de cada vez) a partir de um modelo original ate se
obterem modelos adequados. Esse metodo tem varias desvantagens, tais como:
(a) modelos potencialmente uteis podem nao ser descobertos, se o procedimento

e finalizado numa etapa anterior, para o qual nenhuma covariavel isolada
mostrou-se razoavel para ser explorada;
(b) modelos similares (ou mesmo melhores) baseados em subconjuntos de co-

variaveis, distantes das covariaveis em exame, podem nao ser considerados.
Devido aos avancos recentes da Estatstica computacional, os metodos

sequenciais (stepwise methods) foram substitudos por procedimentos otimos de
busca de modelos. O procedimento de busca examina, sistematicamente, somente
os modelos mais promissores de determinado porte k e, baseado em algum criterio,
exibe os resultados de ajuste dos melhores modelos de k covariaveis, com k variando
no processo de 1 ate o tamanho p do subconjunto final de modelos considerados bons.
Modelos medocres devem ser eliminados a priori, observando-se a estrutura
dos dados, por meio de analises exploratorias graficas. Na selecao do modelo, sempre
sera feito um balanco entre o grau de complexidade e a qualidade de ajuste do modelo.
Captulo 4
Metodos de Inferencia
4.1 Distribuicao dos estimadores dos parametros
No modelo classico de regressao em que a variavel resposta tem distribuicao
normal e a funcao de ligacao e a identidade, as distribuicoes dos estimadores dos
parametros e das estatsticas usadas para verificacao do ajuste do modelo aos da-
dos podem ser determinadas exatamente. Em geral, porem, a obtencao de dis-
tribuicoes exatas e muito complicada e resultados assintoticos sao usados. Esses
resultados, porem, dependem de algumas condicoes de regularidade e do numero
de observacoes independentes mas, em particular, para os MLG essas condicoes sao
satisfeitas (Fahrmeir e Kaufmann, 1985).
A ideia basica e que se e um estimador consistente para um parametro
e Var() e a variancia desse estimador, entao, para amostras grandes, tem-se:
i) e assintoticamente imparcial;
ii) a estatstica

Zn = q Z quando n , sendo que Z N(0, 1)
Var()
ou, de forma equivalente,
( )2
Zn2 = Z 2 quando n , sendo que Z 2 21 .
Var()
49
Se e um estimador consistente de um vetor de p parametros, tem-se,

assintoticamente, que
( )T V1 ( ) 2p ,
sendo V a matriz de variancias e covariancias, suposta nao-singular. Se V e singular,

usa-se uma matriz inversa generalizada ou, entao, uma reparametrizacao de forma a
se obter uma nova matriz de variancias e covariancias nao-singular.
Considere-se um MLG definido por uma distribuicao em (2.4), uma estrutura
linear (2.6) e uma funcao de ligacao (2.7). Em geral, nao e possvel a obtencao de
distribuicoes exatas para os estimadores de MV e para as estatsticas de testes usadas
nos MLG e trabalha-se com resultados assintoticos. As condicoes de regularidade
que garantem esses resultados sao satisfeitas para os MLG. E fato conhecido que
os estimadores de MV tem poucas propriedades que sao satisfeitas para todos os
tamanhos de amostras, como, por exemplo, suficiencia e invariancia. As propriedades
assintoticas de segunda-ordem de , como o vies de ordem O(n1 ) e a sua matriz de
covariancia de ordem O(n2 ), foram estudadas por Cordeiro e McCullagh (1991) e
Cordeiro (2004a), respectivamente.
`()
Seja o vetor escore U() = como definido na Secao 3.1. Como o

vetor escore tem valor esperado zero e estrutura de covariancia igual a matriz de
informacao K em problemas regulares (Cox e Hinkley, 1986), (Captulo 9), tem-se
de (3.2) que E{U()} = 0 e

2 `()
T
Cov[U()] = E[U()U() ] = E = K. (4.1)
T
Conforme demonstrado na Secao 3.1, a matriz de informacao nos MLG e dada por
K = 1 XT WX.
O teorema central do limite aplicado a U() (que equivale a uma soma de
variaveis aleatorias independentes) implica que a distribuicao assintotica de U()
e normal p-variada, isto e, Np (0, K). Para amostras grandes, a estatstica escore
definida pela forma quadratica E = U()T K1 U() tem, aproximadamente, dis-
tribuicao 2p supondo o modelo, com o vetor de parametros especificado, ver-
dadeiro.
De uma forma resumida tem-se, a seguir, algumas propriedades para o esti-
mador :
i) O estimador e assintoticamente nao viesado, isto e, para amostras
grandes E() = . Suponha que o logaritmo da funcao de verossimilhanca tem
um unico maximo em que esta proximo do verdadeiro valor de . A expansao em
serie multivariada de Taylor para o vetor escore U() em relacao a , ate termos
de primeira ordem, substituindo-se a matriz de derivadas parciais de segunda ordem
por K, e dada por
U() = U() K( ) = 0,
pois e a solucao do sistema de equacoes U() = 0. As variaveis aleatorias U()

e K( ) diferem por quantidades estocasticas de ordem Op (1). Portanto, tem-se
ate ordem n1/2 em probabilidade
= K1 U(), (4.2)
desde que K seja nao-singular.

A expressao aproximada (4.2) e de grande importancia para a determinacao
de propriedades do estimador de MV . As variaveis aleatorias e K1 U()
diferem por variaveis aleatorias de ordem n1 em probabilidade. Tem-se, entao, que
E( ) = K1 E[U()] = 0 E() = ,
pois E[U()] = 0 e, portanto, e um estimador imparcial para (pelo menos

assintoticamente). Na realidade, E() = + O(n1 ), sendo que o termo O(n1 )
foi obtido por Cordeiro e McCullagh (1991). Mais recentemente, Cordeiro e Barroso
(2007) obtiveram o termo de ordem O(n2 ) da expansao de E().
ii) Denotando-se U() = U e usando-se (4.2) e (4.1) tem-se que a matriz
de variancias e covariancias de , para amostras grandes, e dada por
T
Cov() = E[( )( )T ] = K1 E(UUT )K1 = K1 KK1 = K1 ,
pois K1 e simetrica. Na realidade, Cov() = K1 +O(n2 ), sendo o termo matricial

de ordem O(n2 ) dado em Cordeiro (2004c,b).
iii) Para amostras grandes, tem-se a aproximacao
( )T K( ) 2p (4.3)
ou, de forma equivalente,
Np (, K1 ), (4.4)
ou seja, tem distribuicao assintotica normal pvariada, que e a base para a constru-
cao de testes e intervalos de confianca para os parametros lineares de um MLG. Para
modelos lineares com variaveis respostas com distribuicao normal, (4.3) e (4.4) sao
distribuicoes exatas. Fahrmeir e Kaufmann (1985), num artigo bastante matematico,
desenvolvem condicoes gerais, que garantem a consistencia e normalidade assintotica
do estimador de MV nos MLG.
Para amostras pequenas, como citado em i), o estimador e viesado e torna-
se necessario computar o vies de ordem n1 que pode ser apreciavel. Tambem, para
n nao muito grande, como visto em ii), a estrutura de covariancia das estimativas de
MV dos parametros lineares difere de K1 . Uma demonstracao rigorosa dos resulta-
dos assintoticos (4.3) e (4.4) exige argumentos do teorema central do limite adaptado
ao vetor escore U() e da lei fraca dos grandes numeros aplicada a matriz de in-
formacao K. Pode-se, entao, demonstrar, com mais rigor, a normalidade assintotica
de , com media igual ao parametro verdadeiro desconhecido, e com matriz de co-
c 1 em que W
variancia consistentemente estimada por K1 = (XT WX) c e a matriz
de pesos W avaliada em .
Para as distribuicoes binomial e de Poisson = 1. Se o parametro de
dispersao for constante para todas as observacoes e desconhecido afetara a matriz
de covariancia assintotica K1 de mas nao o valor de . Na pratica, se for

desconhecido, devera ser substitudo por alguma estimativa consistente (Secao 4.4).
A distribuicao assintotica normal pvariada Np (, K1 ) de e a base
da construcao de testes e intervalos de confianca, em amostras grandes, para os
parametros lineares dos MLG. O erro da aproximacao N(, K1 ) para a distribuicao
de e de ordem n1 em probabilidade, significando que os calculos de probabi-
lidade baseados na funcao de distribuicao acumulada da distribuicao assintotica
Np (, K1 ), apresentam erros de ordem de magnitude n1 .
Os erros-padrao dos estimadores de MV 1 , . . . , p sao iguais as razes
quadradas dos elementos da diagonal de K1 e podem fornecer informacoes valiosas
sobre a exatidao desses estimadores. Usa-se aqui a notacao K1 = {r,s } para a in-
versa da matriz de informacao em que, aproximadamente, Cov(r , s ) = r,s . Entao,
com nvel de confianca de 95%, intervalos de confianca para os parametros r0 s podem
ser deduzidos de

r 1, 96 r,r ,
d r ) e o valor de r,r em .
em que r,r = Var(
A correlacao rs entre as estimativas r e s segue como
d r,s
rs = Corr(r , s ) = ,
r,r s,s
sendo obtida diretamente da inversa da informacao K avaliada em . Essas cor-

relacoes permitem verificar, pelo menos aproximadamente, a interdependencia dos
r0 s.
A distribuicao assintotica normal pvariada Np (, K1 ) sera uma boa
aproximacao para a distribuicao de , se o logaritmo da funcao de verossimilhanca
for razoavelmente uma funcao quadratica. Pelo menos, assintoticamente, todos os
logaritmos das funcoes de verossimilhanca tem essa forma. Para amostras pequenas,
isso pode nao ocorrer para , embora possa existir uma reparametrizacao = h(),
que conduza o logaritmo da funcao de verossimilhanca a uma funcao, aproximada-
mente, quadratica. Assim, testes e regioes de confianca mais precisos poderao ser
baseados na distribuicao assintotica de = h().
Anscombe (1964), no caso de um unico parametro , obtem uma
parametrizacao geral que elimina a assimetria do logaritmo da funcao de verossi-
milhanca. A solucao geral e da forma
Z Z
1
= h() = exp v()d d,
3
1
d3 `() d2 `()
em que v() = . Essa transformacao tem a propriedade de anular
d 3 d 2
a derivada de terceira ordem do logaritmo da funcao de verossimilhanca, em relacao
a , e, portanto, eliminar a principal contribuicao da assimetria.
Para os MLG, a assimetria do logaritmo da funcao de verossimilhanca e
eliminada usando uma funcao de ligacao apropriada. Usando-se a expressao de
Anscombe (1964), obtem-se, diretamente, a funcao de ligacao que simetriza `(),
R R 000 R
= exp b ()/[3b00 ()]d d = b00 ()1/3 d. Quando a funcao de ligacao e
diferente desse caso, e se , tem dimensao maior do que 1, em geral, nao e possvel
anular a assimetria. Em particular, parametrizacoes componente a componente
i = h(i ), i = 1, . . . , p, nao apresentam um bom aperfeicoamento na forma
do logaritmo da funcao de verossimilhanca, a menos que as covariaveis sejam
mutuamente ortogonais (Pregibon, 1979).
Exemplo 4.1: Seja Y1 , . . . , Yn uma amostra aleatoria de uma distribuicao normal

N(i , 2 ), sendo que i = xTi . Considerando a funcao de ligacao identidade, isto
e, i = i , tem-se que g 0 (i ) = 1. Alem disso, Vi = 1 e, portanto, wi = 1. Logo, a
matriz de informacao e dada por
1 T 1
K= X WX = 2 XT X

e a variavel dependente ajustada fica sendo zi = yi .
Portanto, o algoritmo de estimacao (3.5) reduz-se a
XT X = XT y
e, desde que XT X tenha inversa,
= (XT X)1 XT y, (4.5)
que e a solucao usual de mnimos quadrados para o modelo classico de regressao.

Tem-se, entao,
E() = (XT X)1 XT E(Y) = (XT X)1 XT X =
Cov() = E[( )( )T ] = (XT X)1 XT E[(Y X)(Y X)T ]X(XT X)1
= 2 (XT X)1 ,
pois E[(Y X)(Y X)T ] = 2 I.

Como Y Nn (X, 2 I) e o vetor dos estimadores de MV e uma trans-
formacao linear do vetor y em (4.5), o vetor tem distribuicao Np (X, 2 I) exata-
mente. Logo, a forma quadratica tem distribuicao qui-quadrado, exatamente,
( )T K( ) 2p ,
sendo K = 2 XT X a matriz de informacao.
4.2 Funcao desvio e estatstica de Pearson gene-

ralizada
O ajuste de um modelo a um conjunto de observacoes y pode ser tratado
como uma maneira de se substituir y por um conjunto de valores estimados para
um modelo com um numero de parametros relativamente pequeno. Logicamente, os
0 s nao serao exatamente iguais aos ys, e a questao, entao, que aparece e em quanto
eles diferem. Isto porque, uma discrepancia pequena pode ser toleravel enquanto que
uma discrepancia grande, nao.
Assim, admitindo-se uma combinacao satisfatoria da distribuicao da variavel
resposta e da funcao de ligacao, o objetivo e determinar quantos termos sao
necessarios na estrutura linear para uma descricao razoavel dos dados. Um numero
grande de variaveis explanatorias (ou covariaveis) pode levar a um modelo que ex-
plique bem os dados mas com um aumento de complexidade na interpretacao. Por
outro lado, um numero pequeno de variaveis explanatorias (ou covariaveis) pode
conduzir a um modelo de interpretacao facil, porem, que se ajuste pobremente aos
dados. O que se deseja na realidade e um modelo intermediario, entre um modelo
muito complicado e um modelo pobre em ajuste.
Considerando n observacoes, a elas podem ser ajustados modelos contendo

ate n parametros. O modelo mais simples e o modelo nulo que tem um unico
parametro, representado por um valor comum a todos os dados. A matriz do mo-
delo, entao, reduz-se a um vetor coluna, formado de 1s. Esse modelo atribui toda a
variacao entre os y 0 s ao componente aleatorio. No modelo nulo, o valor comum para
P
todas as medias dos dados e igual a media amostral, isto e, y = ni=1 yi /n, mas nao
representa a estrutura dos dados. No outro extremo, esta o modelo saturado ou
completo que tem n parametros especificados pelas medias 1 , . . . , n linearmente
independentes, ou seja, correspondendo a uma matriz modelo igual a matriz iden-
tidade de ordem n. O modelo saturado tem, entao, n parametros, um para cada
observacao, e as estimativas de MV das medias sao i = yi , para i = 1, . . . , n. O til
e colocado para diferir das estimativas de MV do MLG com matriz modelo X, de
dimensoes np, com p < n. O modelo saturado atribui toda a variacao dos dados ao
componente sistematico e, assim, ajusta-se perfeitamente, reproduzindo os proprios
dados.
Na pratica, o modelo nulo e muito simples e o saturado e nao-informativo,

pois nao sumariza os dados, mas, simplesmente, os repete. Existem dois outros mo-
delos, nao tao extremos, quanto os modelos nulo e saturado: o modelo minimal que
contem o menor numero de termos necessario para o ajuste, e o modelo maximal
que inclui o maior numero de termos, que pode ser considerado. Os termos desses
modelos extremos sao, geralmente, obtidos por interpretacoes a priori da estrutura
dos dados. Em geral, trabalha-se com modelos encaixados, e o conjunto de matrizes
dos modelos pode, entao, ser formado pela inclusao sucessiva de termos ao modelo
minimal ate se chegar ao modelo maximal. Qualquer modelo com p parametros li-
nearmente independentes, situado entre os modelos minimal e maximal, e chamado
de modelo sob pesquisa ou modelo corrente.
Determinados parametros tem que estar no modelo como e o caso, por
exemplo, de efeitos de blocos em planejamento de experimentos ou entao, totais
marginais fixados em tabelas de contingencia para analise de dados de contagens.
Assim, considerando-se um experimento casualizado em blocos, com tratamentos no
esquema fatorial com 2 fatores, tem-se os modelos:
nulo: i =
minimal: i = + `
maximal: i = + ` + j + k + ()jk
saturado: i = + ` + j + k + ()jk + ()`j + ()`k + ()`jk ,
sendo, o efeito associado a media geral; ` o efeito associado ao bloco `, ` = 1, . . . , b;
j o efeito associado ao j-esimo nvel do fator A; k o efeito associado ao k-esimo
nvel do fator B; ()jk , ()`j , ()`k , ()`jk os efeitos associados as interacoes.
O modelo saturado inclui, nesse caso, todas as interacoes com blocos que nao sao de
interesse pratico.
Em geral, trabalha-se com modelos encaixados e o conjunto de matrizes
dos modelos pode, entao, ser formado pela adicao sucessiva de termos ao modelo
minimal ate se chegar ao modelo maximal. O problema e determinar a utilidade
de um parametro extra no modelo corrente (sob pesquisa) ou, entao, verificar a
falta de ajuste induzida pela omissao dele. A fim de discriminar entre modelos,
medidas de discrepancia devem ser introduzidas para medir o ajuste de um modelo.
Nelder e Wedderburn (1972) propuseram, como medida de discrepancia, a deviance
(traduzida como desvio por Cordeiro (1986)), com expressao dada por
Sp = 2(`n `p ),
sendo `n e `p os maximos do logaritmo da funcao de verossimilhanca para os modelos

saturado e corrente (sob pesquisa), respectivamente. Ve-se que o modelo saturado e
usado como base de medida do ajuste de um modelo sob pesquisa (modelo corrente).
Do logaritmo da funcao de verossimilhanca (3.1) obtem-se:
n n
1X 1X
`n = [yi i b(i )] + c(yi , )
i=1 i=1
e
n n
1X 1X
`p = [yi i b(i )] + c(yi , ),
i=1 i=1
sendo i = q(yi ) e i = q(i ) as estimativas de MV do parametro canonico sob os

modelos saturado e corrente, respectivamente.
Entao, tem-se,
n
Dp 2X
Sp = = [yi (i i ) + b(i ) b(i )], (4.6)
i=1
em que Sp e Dp sao denominados de desvio escalonado e desvio, respectivamente. O

desvio Dp e funcao apenas dos dados y e das medias ajustadas . O desvio escalonado
Sp depende de Dp e do parametro de dispersao . Pode-se, ainda, escrever
n
1X 2
Sp = d,
i=1 i
sendo que d2i mede a diferenca dos logaritmos das funcoes de verossimilhanca obser-
vada e ajustada, para a observacao i correspondente, e e chamado componente do
desvio. A soma deles mede a discrepancia total entres as duas funcoes de verossi-
milhanca na escala logartmica. E portanto, uma medida da distancia dos valores
ajustados 0 s em relacao aos dados observados y 0 s, ou de forma equivalente, do mo-
delo corrente em relacao ao modelo saturado. Verifica-se que o desvio equivale a uma
constante menos duas vezes o maximo do logaritmo da funcao de verossimilhanca
para o modelo corrente, isto e,
Sp = 2`n 2`p = constante 2`p .

Assim, um modelo bem (mal) ajustado aos dados, com uma verossimilhanca
maxima grande (pequena), tem um pequeno (grande) desvio. Entretanto, um grande
numero de covariaveis, visando reduzir o desvio, significa um grau de complexidade
na interpretacao do modelo. Procuram-se, na pratica, modelos simples com desvios
moderados, situados entre os modelos mais complicados e os que se ajustam mal aos
dados.
O desvio e computado facilmente para qualquer MLG a partir da estimativa
de MV de dada por = g 1 (X). O desvio e sempre maior do que ou igual a zero,
e a medida que covariaveis entram no componente sistematico, o desvio decresce
ate se tornar zero para o modelo saturado. Para o teste, definem-se os graus de
liberdade do desvio do modelo por = n p, isto e, como o numero de observacoes
menos o posto da matriz do modelo sob pesquisa. Em alguns casos especiais, como
nos modelos normal e log-linear, o desvio torna-se igual a estatsticas comumente
usadas nos testes de ajuste.
Exemplo 4.2: Seja Y1 , . . . , Yn uma amostra aleatoria de uma distribuicao N(i , 2 ),

2 2
sendo que i = xTi . Tem-se, = 2 , i = i e b(i ) = i = i . Logo
2 2
n n
1 X yi2 2i 1 X 2
Sp = 2 yi (yi i ) + = 2 (2y 2i yi yi2 + 2i )
2 i=1 2 2 i=1 i
n
1 X SQRes
= 2
(yi i )2 =
i=1 2
que coincide com a estatstica classica SQRes com (n p) graus de liberdade

dividida por 2 .
Exemplo 4.3: Sejam Y1 , . . . , Yn variaveis aleatorias representando contagens de

sucessos em amostras
independentes
de tamanhos mi . Suponha que Yi B(mi , i ),
i m i i
= 1, i = log e b(i ) = mi log(1 + ei ) = mi log .
m i i mi
Logo,
n
X
yi i
Sp = 2 yi log log
i=1
mi yi mi i
Xn
mi yi mi i
+ 2 mi log mi log
i=1
m i mi
ou ainda,
n
X
yi mi yi
Sp = 2 yi log + (mi yi ) log .
i=1
i mi i
Essa expressao e valida para 0 < yi < mi . Se yi = 0 ou yi = mi , o i-esimo

termo de Sp deve ser substitudo por 2mi log[mi /(mi i )] ou 2mi log(mi /i ), res-
pectivamente (Paula, 2004). Se mi = 1, isto e, Yi Bernoulli(i ) e a funcao de
ligacao considerada e a logstica, a funcao desvio e apenas uma funcao dos dados e,
portanto, nao e informativa com relacao ao ajuste do modelo aos dados. O mesmo
e valido para as funcoes de ligacao probit e complemento log-log.
Para o modelo de Poisson, o desvio tem a forma
" n X n
#
X yi i
Sp = 2 yi log +
i=1
i y
i=1 i
e, em particular, para os modelos log-lineares a segunda soma e igual a zero, desde

que a matriz X, tenha uma coluna de 1s. Nesse caso, o desvio e igual a razao de
verossimilhancas (chamada de G2 ou Y 2 ), que e, geralmente, usada nos testes de
hipoteses em tabelas de contingencia.
Para o modelo gama ( = 1 ) com media e parametro de dispersao
(= Var(Y )/E(Y )2 ), o desvio tem a forma
Xn
1 i (yi i )
Sp = 2 log + ,
i=1
yi i
que pode ainda ser simplificada em alguns casos especiais. Se algum componente e
igual a zero, segundo Paula (2004), pode-se substituir Dp por
Xn
yi
Dp = 2c(y) + 2 log i + ,
i=1
i
sendo c(y) uma funcao arbitraria, porem limitada. Pode ser usada, por exemplo, a
Xn
yi
expressao c(y) = .
i=1
1 + y i
Na Tabela 4.1 apresentam-se as funcoes desvios para os principais modelos.
Tabela 4.1: Funcoes desvios para alguns modelos
Modelo Desvio
n
X
Normal Dp = (yi i )2
i=1
X n
yi mi yi
Binomial Dp = 2 yi log + (mi yi ) log
i=1
i mi i
Xn
yi
Poisson Dp = 2 yi log (yi i )
i=1
i
Xn
yi i + k
Binomial negativo Dp = 2 yi log + (yi + k) log
i=1
i yi + k
n
X
i yi i
Gama Dp = 2 log +
i=1
yi i
n
X (yi i )2
Normal Inverso Dp =
i=1
yi 2i
Quanto melhor for o ajuste do MLG aos dados tanto menor sera o valor do
desvio Dp . Assim, um modelo bem ajustado aos dados, tera uma metrica ||y ||
pequena, sendo essa metrica definida na escala da funcao desvio.
Uma maneira de se conseguir a diminuicao do desvio e aumentar o numero
de parametros, o que, porem, significa um aumento do grau de complexidade na
interpretacao do modelo. Na pratica, procuram-se modelos simples com desvios
moderados, situados entre os modelos mais complicados e os que se ajustam mal
aos dados. Para testar a adequacao de um MLG, o valor calculado do desvio com
n p graus de liberdade, sendo p o posto da matriz do modelo, deve ser comparado
com o percentil de alguma distribuicao de probabilidade de referencia. Para o mo-
delo normal com funcao de ligacao identidade, assumindo-se que o modelo usado e
verdadeiro e que 2 e conhecido, tem-se o resultado exato
Dp
Sp = 2np .
2
Entretanto, para modelos normais com outras funcoes de ligacao, esse re-
sultado e apenas uma aproximacao. Em alguns casos especiais, com delineamentos
experimentais simples, considerando-se as distribuicoes exponencial (caso especial da
gama) e normal inversa, tambem, podem ser obtidos resultados exatos. No geral,
porem, apenas alguns resultados assintoticos estao disponveis e, em alguns casos, o
desvio, nao tem distribuicao 2np , nem mesmo assintoticamente. O desvio corrigido
por uma correcao de Bartlett proposta para os MLG por Cordeiro (1983, 1987, 1995)
tem sido usado para melhorar a sua aproximacao pela distribuicao 2np de referencia.
Com efeito, o desvio modificado Sp = (np)Sp /E(Sp ), em que a correcao de Bartlett
e dada por (n p)/E(Sp ) quando E(Sp ) e determinado ate termos de ordem O(n1 ),
sendo E(Sp ) o valor de E(Sp ) avaliada em , e melhor aproximado pela distribuicao
2np de referencia do que o desvio Sp , conforme comprovam os estudos de simulacao
de Cordeiro (1993).
Assumindo-se que o modelo usado e verdadeiro, para a distribuicao binomial,
quando n e fixo e mi , i (nao vale quando mi i (1 i ) permanece limitado)
e para a distribuicao de Poisson, quando i , i, tem-se que (lembre-se que
= 1):
Sp = Dp 2np .
Nos casos em que Sp depende do parametro de dispersao , Jorgensen (1987)

mostra que
Sp 2np quando 0,
isto e, quando o parametro de dispersao e pequeno, a aproximacao 2np para Sp

e satisfatoria. Para a distribuicao gama, a aproximacao da distribuicao de Sp por
2np sera tanto melhor quanto mais proximo de 1 estiver o parametro de dispersao.
Em geral, porem, nao se conhece , que precisa ser substitudo por uma estimativa
consistente (Secao 4.4).
Na pratica, contenta-se em testar um MLG comparando-se o valor Sp com
os percentis da distribuicao 2np . Assim, quando
Sp = 1 Dp 2np; ,
ou seja, Sp e inferior ao valor crtico 2np; da distribuicao 2np , pode-se considerar

que existem evidencias, a um nvel aproximado de 100% de confianca, que o modelo
proposto esta bem ajustado aos dados. Ou ainda, se o valor de Dp for proximo do
valor esperado n p de uma distribuicao 2np , pode ser uma indicacao de que o
modelo ajustado aos dados e adequado.
O desvio Dp pode funcionar como um criterio de parada do algoritmo de
ajuste descrito em (3.5) e, apos a convergencia, o seu valor e os graus de liberdade
podem ser computados.
Uma outra medida da discrepancia do ajuste de um modelo a um conjunto
de dados e a estatstica de Pearson Xp2 generalizada cuja expressao e dada por
n
X (yi i )2
Xp2 = , (4.7)
i=1
V (i )
sendo V (i ) a funcao de variancia estimada sob o modelo que esta sendo ajustado
aos dados.
Xp2 SQRes
Para respostas com distribuicao normal, 2
= e, entao,
2
Xp2 2 2np ,
sendo este resultado exato somente se a funcao de ligacao for a identidade e 2

conhecido.
Para dados provenientes das distribuicoes binomial e de Poisson, em que
= 1, Xp2 e a estatstica original de Pearson, comumente usada na analise dos
modelos logstico e log-linear em tabelas multidimensionais, e que tem a forma
n
X (oi ei )2
Xp2 = ,
i=1
ei
sendo oi a frequencia observada e ei a frequencia esperada.
Para as distribuicoes nao-normais, tem-se apenas resultados assintoticos
para Xp2 , isto e, a distribuicao 2np pode ser usada, somente, como uma aproximacao
para a distribuicao de Xp2 , que em muitos casos pode ser inadequada. Alem disso,
Xp2 tem como desvantagem o fato de tratar os yi0 s simetricamente. Note-se que para
o modelo normal Xp2 = Dp .
Exemplo 4.4: Considere os dados do Exemplo 2.1 da Secao 2.2. A variavel resposta
tem distribuicao binomial, isto e, Yi B(mi , i ). Adotando-se a funcao de ligacao
logstica (canonica) e o preditor linear dado por uma regressao linear simples, isto e,

i
i = log = 0 + 1 di ,
m i i
tem-se Sp = Dp = 10, 26 e Xp2 = 9, 70 com 4 graus de liberdade. Da tabela da

distribuicao 2 , tem-se 24;0,05 = 9, 49 e 24;0,01 = 13, 29, indicando que existem
evidencias, a um nvel de significancia entre 5% e 1% de probabilidade, que o modelo
logstico linear ajusta-se razoavelmente a esse conjunto de dados. Necessita-se,
porem, adicionalmente, do teste da hipotese H0 : 1 = 0, uma analise de resduos e
de medidas de diagnostico.
A expressao (4.7) da estatstica de Pearson generalizada tem uma forma

equivalente dada em termos da variavel dependente ajustada do algoritmo (3.5).
Tem-se,
c ).
Xp2 = (z )T W(z
O desvio Sp tem a grande vantagem como medida de discrepancia por ser

aditivo para um conjunto de modelos encaixados, enquanto Xp2 , em geral, nao tem
essa propriedade, apesar de ser preferido em relacao ao desvio, em muitos casos, por
facilidade de interpretacao.
4.3 Analise do desvio e selecao de modelos

A analise do desvio (Analysis of the Deviance - ANODEV) e uma generali-
zacao da analise de variancia para os MLG, visando obter, a partir de uma sequencia
de modelos encaixados, cada um incluindo mais termos do que os anteriores, os efeitos
de fatores, covariaveis e suas interacoes. Utiliza-se o desvio como uma medida de
discrepancia do modelo e forma-se uma tabela de diferenca de desvios.
Seja Mp1 , Mp2 , . . . , Mpr uma sequencia de modelos encaixados de dimensoes
respectivas p1 < p2 < . . . < pr , matrizes dos modelos Xp1 , Xp2 , . . . , Xpr e desvios
Dp1 , Dp2 , . . . , Dpr , tendo os modelos a mesma distribuicao e a mesma funcao de
ligacao. Essas desigualdades entre os desvios, em geral, nao se verificam para a
estatstica de Pearson Xp2 generalizada e, por essa razao, a comparacao de modelos
encaixados e feita, principalmente, usando-se a funcao desvio. Assim, para o caso
de um ensaio inteiramente casualizado, com r repeticoes e tratamentos no esquema
fatorial, com a nveis para o fator A e b nveis para o fator B, obtem-se os resultados
mostrados na Tabela 4.2.
Tabela 4.2: Um exemplo de construcao de uma tabela de Analise de Desvio
Modelo gl desvio Dif. de desvios Dif. de gl Significado

Nulo rab 1 D1
D1 a-1 A ignorando B
A a(rb 1) DA
DA DA+B b-1 B includo A
A+B a(rb 1) (b 1) DA+B
DA+B DAB (a-1)(b-1) Interacao AB
includos A e B
A+B+A.B ab(r 1) DAB
DAB Resduo
Saturado 0 0
Dois termos A e B sao ortogonais se a reducao que A (ou B) causa no desvio
Dp e a mesma, esteja B (ou A) includo, ou nao em Mp . Em geral, para os MLG
ocorre a nao-ortogonalidade dos termos e a interpretacao da tabela ANODEV e mais
complicada do que a ANOVA usual.
Sejam os modelos encaixados Mq e Mp (Mq Mp , q < p), com q e p
parametros, respectivamente. A estatstica Dq Dp com (p q) graus de liberdade
e interpretada como uma medida de variacao dos dados, explicada pelos termos que
estao em Mp e nao estao em Mq , includos os efeitos dos termos em Mq e ignorando
quaisquer efeitos dos termos que nao estao em Mp . Tem-se, assintoticamente, para
conhecido
Sq Sp = 1 (Dq Dp ) 2pq ,
que e simplesmente a estatstica da razao de verossimilhancas. Se e desconheci-

do, deve-se obter uma estimativa consistente, de preferencia baseada no modelo
maximal (com m parametros), e a inferencia pode ser baseada na estatstica F , dada
por
(Dq Dp )/(p q)
F = Fpq,nm .

Para a distribuicao normal, tem-se
(SQResq SQResp )/(p q)

Fpq,nm ,
SQResm /(n m)
sendo a distribuicao F exata para o modelo normal linear.

Quando o modelo com menor numero de parametros (q) e verdadeiro,
Sq Sp tem distribuicao assintotica 2pq . Entretanto, cada desvio isolado nao e
distribudo, assintoticamente, como qui-quadrado. O teorema de Wilks (1938) exige
que os espacos de parametros, segundo os modelos nulo e alternativo, sejam de
dimensao fixa, enquanto n cresce e, portanto, nao se aplica ao desvio isolado, cujo
modelo alternativo e o saturado de dimensao n.
Exemplo 4.5: Considere os dados do Exemplo 2.1 da Secao 2.2. A variavel resposta
tem distribuicao binomial, isto e, Yi B(mi , i ). Adotando-se a funcao de ligacao
logstica (canonica) e o preditor linear dado por uma regressao linear simples, isto e,

i
i = log = 0 + 1 di ,
m i i
dois modelos encaixados podem ser propostos para a analise desses dados, a saber:
a) o modelo nulo: i = 0 e
b) o modelo de regressao linear: i = 0 + 1 di .
A Tabela 4.3 apresenta os desvios e os valores da estatstica de Pearson

generalizada e seus respectivos numeros de graus de liberdade (g.l.), e a Tabela 4.4,
a analise do desvio correspondente.
Tabela 4.3: Desvios e X 2 residuais obtidos para dois modelos encaixados ajustados
aos dados da Tabela 2.1.
Modelo g.l. Desvios X2
i = 0 5 163,74 135,70
i = 0 + 1 di 4 10,26 9,70
O exame da Tabela 4.3, confirmando o que ja foi visto no Exemplo 4.4,

mostra que existem evidencias, a um nvel de significancia entre 5% e 1% de pro-
babilidade, que o modelo logstico linear ajusta-se razoavelmente a esse conjunto de
dados, mas rejeita-se o modelo nulo. Pelo exame da Tabela 4.4, rejeita-se a hipotese
nula H0 : 1 = 0, confirmando a adequacao do modelo logstico linear. Necessita-se,
porem, adicionalmente, de uma analise de resduos e de diagnosticos.
Tem-se, ainda, que 0 = 3, 226[s(0 ) = 0, 3699] e 1 = 0, 6051[s(1 ) =
0, 0678]. O numero esperado de insetos mortos i para a dose di e dado por
Tabela 4.4: Analise do Desvio, considerando o modelo logstico linear ajustado aos
dados da Tabela 2.1.
Causa de Variacao g.l. Desvios Valor p
Regressao linear 1 153,48 < 0, 0001
Resduo 4 10,26
Total 5 163,74
21;0,05 = 3, 84; 21;0,01 = 6, 64
exp(3, 226 + 0, 6051di )

i = mi .
1 + exp(3, 226 + 0, 6051di )
1.0
*
*
0.8
0.6
Proporo
*
0.4
*
0.2
*
0.0
0 2 4 6 8 10
Dose
Figura 4.1: Valores observados e curva ajustada pelo modelo logstico linear aos
dados da Tabela 2.1
Na Figura 4.1 estao representados a curva do modelo ajustado e os valores

observados. Um programa simples em linguagem R (R Development Core Team,
2006) para a obtencao desses resultados e dado a seguir.
## Leitura dos dados
dose <- c(0,2.6,3.8,5.1,7.7,10.2)
y <- c(0,6,16,24,42,44)
m <-c(49,50,48,46,49,50)
Rotenone.dat <- data.frame(dose, y, m)
attach(Rotenone.dat)
## Grafico de dispers~
ao
plot(dose,y/m, xlab="Dose", ylab="Proporc~
oes observadas", pch="*")
## Analise do desvio
resp<-cbind(y,m-y)
Rotenon1<-glm(resp~1, family=binomial)
Rotenon2<-glm(resp~dose, family=binomial)
summary(Rotenon2)
anova(Rotenon1, Rotenon2, test="Chisq")
## Grafico
plot(c(0,10.2), c(0,1), type="n", xlab="Dose", ylab="Proporc~
ao")
points(dose,y/m,pch="*")
x<-seq(0,10.2,0.2)
lp<-predict(Rotenon2,data.frame(dose=x))
pe<-exp(lp)/(1+exp(lp))
lines(x,pe,lty=1)
4.4 Estimacao do parametro de dispersao

Para as distribuicoes binomial e Poisson tem-se que o parametro de dispersao
= 1. Quando e desconhecido (distribuicoes normal, normal inversa e gama),
admite-se que seja o mesmo para todas as observacoes, isto e, constante. Necessaria
se faz sua estimacao para a obtencao (conforme visto na Secao 3.3) dos erros-padrao
dos 0 s, intervalos de confianca e testes de hipoteses para os 0 s etc. Os metodos
mais usados para a estimacao de sao: metodo do desvio, metodo de Pearson e
metodo de maxima verossimilhanca.
O metodo do desvio e baseado na aproximacao 2np para o desvio escalo-
nado dado pela equacao (4.6). Para um modelo bem ajustado aos dados, espera-se,
portanto, que o desvio escalonado Sp tenha valor esperado igual a n p. Assim,
obtem-se a estimativa de
Dp
d = , (4.8)
np
em que o desvio Dp e obtido como funcao dos dados em y e dos valores ajustados em
de (4.6). O estimador d e, aproximadamente, nao P
viesado para os modelos normal
(yi i )2
e normal inverso. Para o modelo normal linear d = e o estimador usual
np
nao-viesado de 2 . Para os modelos gama e normal inverso, as expressoes dos desvios
Dp estao na Tabela 4.1 para os principais modelos que permitem obter d de (4.8).
O metodo de Pearson e baseado na aproximacao da distribuicao da es-
tatstica de Pearson Xp2 generalizada, dada em (4.7) mas sendo dividida por , pela
distribuicao 2np . Obtem-se, assim, a estimativa de
n
1 X (yi i )2
P = . (4.9)
n p i=1 V (i )
Para o modelo normal d = P . Para os demais modelos contnuos, esses

estimadores diferem em valor. Os estimadores P para os modelos gama e normal
inverso sao obtidos de (4.9) fazendo-se V () = 2 e V () = 3 , respectivamente.
O metodo de maxima verossimilhanca e sempre possvel em teoria, mas pode
tornar-se intratavel computacionalmente quando nao existir solucao explcita para
a EMV. Se e o mesmo para todas as observacoes, a EMV de independe de
0
enquanto a matriz de variancias e covariancias dos s envolve esse parametro.
Interpretando o logaritmo da funcao de verossimilhanca `(, ) como funcao de e
de , dado y, pode-se escrever de (3.1)
n
X n
X
1
`(, ) = [yi i b(i )] + c(yi , ). (4.10)
i=1 i=1
A funcao escore relativa ao parametro e dada por
X n n
X dc(yi , )
`(, )
U = = 2 [yi i b(i )] + .
i=1 i=1
d
Observe-se que U e funcao de atraves de (ou ) e de , supondo y

conhecido. A EMV de e obtida igualando-se `(, )/ a zero. Claro que a
EMV e funcao das medias ajustadas e dos dados y. Da forma da funcao c(y, )
dada na Secao 1.3 (Tabela 1.1), verifica-se facilmente que = Dp /n para os modelos
normal e normal inverso. Para o modelo gama, obtem-se a EMV de como solucao
da equacao nao-linear
D
p
log 1 1 = , (4.11)
2n
em que o desvio Dp e dado na Tabela 4.1 e (r) = d log (r)/dr e a funcao digama
(funcao psi). Uma aproximacao para obtida de (4.11) foi dada por Cordeiro e
McCullagh (1991) para valores pequenos de
2Dp
= 1/2 .
2Dp
n 1 + 1 + 3n
Derivando U em relacao a r vem

n
X (yi i ) di
2 `(, )
Ur = = 2 xir .
r i=1
Vi d i
Logo, E(Ur ) = 0, o que mostra que os parametros e sao ortogonais.

Isso implica que os EMV de e sao, assintoticamente, independentes.
Como U e funcao de e , escreve-se U = U (, ). Pode-se mostrar que
2U (, y) = Dp , isto e, duas vezes a funcao escore relativa a avaliada no ponto
(, y) e igual ao desvio do modelo.
4.5 Selecao da funcao de ligacao

Muitas vezes, para um conjunto particular de dados, pode ser difcil decidir
qual a melhor funcao de ligacao e, ainda, essa pode nao pertencer a uma famlia
especificada.
Uma estrategia frequente para verificar se uma funcao de ligacao e adequada,
seria computar a reducao no desvio apos a inclusao da covariavel . Se isso causar
uma reducao significativa no desvio, a funcao de ligacao nao e satisfatoria. Um
metodo alternativo e tracar o grafico da variavel dependente modificada estimada
b ) versus . Se o grafico for aproximadamente linear, a funcao de
z = + H(y
ligacao estara correta.
Apresenta-se, agora, um metodo de estimacao da funcao de ligacao, desen-
volvido por Pregibon (1980), usando covariaveis adicionais, obtidas de uma lineariza-
cao da funcao de ligacao. Seja g(; ) = = X a funcao de ligacao dependendo de
um conjunto de parametros = (1 , . . . , r )T , supostos desconhecidos. Uma famlia
de funcoes de ligacao com um unico parametro e a potencia g(; ) = ( 1)/ ou
.
Um teste aproximado da hipotese nula composta H0 : = (0) , em que (0)
e um valor especificado para , versus H : 6= (0) , e obtido expandindo g(; ) =
em serie de Taylor ao redor de (0) ate primeira ordem. Tem-se,
g(; ) = g(; (0) ) + D(; (0) )( (0) ), (4.12)
g(; )
em que D(; ) = e uma matriz de dimensoes n r que depende de

e . Seja 0 a EMV de obtida do ajuste do modelo g(; (0) ) = X e 0 =
g 1 (X 0 ; (0) ). Estima-se D(; (0) ) por D(0) = D(0 ; (0) ).
Se a expansao (4.12) for adequada, pode-se considerar a estrutura linear

(0)
g(; ) = X D (0)
+ D(0) (0) (4.13)

com uma aproximacao de g(; ) = X com desconhecido.

Na estrutura (4.13), o vetor de parametros aparece como linear nas co-
variaveis adicionais D(0) e o preditor linear envolve D(0) (0) como offset. Essas
covariaveis adicionais representam uma medida da distancia da funcao de ligacao
(0) a funcao de ligacao verdadeira. A inferencia sobre pode ser realizada de
maneira analoga a .
Logo, testar H0 : = (0) contra H : 6= (0) corresponde, aproximada-
mente, a comparar os modelos X e (X D(0) ), ambos tendo a mesma funcao de
ligacao g(; (0) ) = . A diferenca de desvios entre esses modelos e usada como
estatstica-teste de H0 . Se essa diferenca for maior do que 2r (), rejeita-se H0 .
A aproximacao do teste depende fortemente da linearizacao (4.12). Quando
o verdadeiro estiver distante de (0) , nao existira garantia de convergencia no
ajuste de (4.13) e, mesmo convergindo, a estimativa de obtida pode diferir subs-
tancialmente do valor correto de sua EMV. Para calcular uma melhor aproximacao
dessa estimativa, o processo (4.13) devera ser repetido com as covariaveis adicionais
sendo reestimadas a cada etapa, a partir das estimativas correspondentes de e .
Um processo alternativo para obter uma boa estimativa de , e conside-
rar fixado e pertencendo a um conjunto amplo de valores arbitrarios e, entao,
computar o desvio Sp () como funcao de . Traca-se o grafico Sp () versus , es-
colhendo a estimativa correspondente ao valor mnimo de Sp () nesse conjunto.
Se e unidimensional, o processo e bastante simples, caso contrario, pode ser im-
praticavel. Uma regiao de 100(1 )% de confianca para e determinada no grafico
por {; Sp () Sp () 2r ()}, sendo independente da parametrizacao adotada.
Um teste de Ho : = (0) pode ser baseado nessa regiao. Pode-se calcular, nu-
mericamente, a EMV de , embora com uma maior complexidade computacional.
Captulo 5
Resduos
5.1 Introducao
A escolha de um modelo linear generalizado envolve tres passos:
i) definicao da distribuicao (que determina a funcao de variancia);
ii) definicao da funcao de ligacao;
iii) definicao da matriz do modelo.
Na pratica, porem, pode acontecer que apos uma escolha cuidadosa de um

modelo e subsequente ajuste a um conjunto de dados o resultado obtido seja insa-
tisfatorio. Isso pode ocorrer em funcao de algum desvio sistematico entre os valores
observados e os valores ajustados ou, entao, porque um ou mais valores observados
sao discrepantes em relacao aos demais.
Desvios sistematicos podem ocorrer pela escolha inadequada da funcao de
variancia, da funcao de ligacao e da matriz do modelo, ou ainda pela definicao
errada da escala da variavel dependente ou das variaveis explanatorias. Discrepancias
isoladas podem ocorrer ou porque os pontos estao nos extremos da amplitude de
validade da covariavel, ou porque eles estao realmente errados como resultado de
uma leitura errada ou uma transcricao mal feita, ou ainda porque algum fator nao
controlado influenciou a sua obtencao.
75
Na pratica, em geral, ha uma combinacao dos diferentes tipos de falhas.
Assim, por exemplo, a deteccao de uma escolha errada da funcao de ligacao pode
ocorrer porque ela esta realmente errada ou porque uma ou mais covariaveis estao na
escala errada ou devido a presenca de alguns pontos discrepantes. Isso faz com que
a verificacao da adequacao de um modelo para um determinado conjunto de dados
seja um processo realmente difcil.
Maiores detalhes podem ser vistos em Atkinson (1985), Atkinson et al.
(1989), Cordeiro (1986), McCullagh e Nelder (1989), Francis et al. (1993) e Paula
(2004).
5.2 Tecnicas para a verificacao do ajuste de um

modelo
As tecnicas usadas para esse fim podem ser formais ou informais. As in-
formais baseiam-se em exames visuais de graficos para a deteccao de padroes ou
de pontos discrepantes. As formais envolvem colocar o modelo sob pesquisa em
uma classe maior pela inclusao de um parametro (ou vetor de parametros) extra
. As mais usadas sao baseadas nos testes da razao de verossimilhancas e escore.
Parametros extras podem aparecer devido a:
- inclusao de uma covariavel adicional;
- inclusao de uma covariavel x em uma famlia h(x, ) indexada por um

parametro , sendo um exemplo a famlia de Box-Cox;
- inclusao de uma funcao de ligacao g() em uma famlia maior g(, ), sendo
um exemplo a famlia de Aranda-Ordaz (1981);
- inclusao de uma variavel construda, por exemplo 2 , a partir do ajuste original,

para o teste de adequacao da funcao de ligacao;
- inclusao de uma variavel dummy assumindo o valor 1 (um) para a unidade
discrepante e 0 (zero) para as demais. Isso e equivalente a eliminar essa ob-
servacao do conjunto de dados, fazer a analise com a observacao discrepante e
sem ela e verificar, entao, se a mudanca no valor do desvio e significativa, ou
nao. Ambos, porem, dependem da localizacao do(s) ponto(s) discrepante(s).
5.3 Analise de resduos e diagnostico para o mo-

delo classico de regressao
No modelo classico de regressao y = X + os elementos i do vetor
sao as diferencas entre os valores observados yi s e aqueles esperados pelo mode-
lo (i s). Esses elementos sao chamados de erros aleatorios (ou resduos brancos)
e admite-se que os i s sao independentes e, alem disso, supoe-se que i tem dis-
tribuicao N(0, 2 ). Esses termos representam a variacao natural dos dados, mas po-
dem, tambem, ser interpretados como o efeito cumulativo de fatores que nao foram
considerados no modelo. Se as pressuposicoes do modelo sao violadas, a analise
resultante pode levar a resultados duvidosos. Este tipo de violacao do modelo da
origem as chamadas falhas sistematicas (nao linearidade, nao-normalidade, hetero-
cedasticidade, nao-independencia, etc). Outro fato bastante comum e a presenca de
pontos atpicos (falhas isoladas), que podem influenciar, ou nao, o ajuste do modelo.
Eles podem surgir de varias maneiras. Algumas possibilidades sao:
- devido a erros grosseiros na variavel resposta ou nas variaveis explicativas, por

medidas erradas ou registro da observacao, ou ainda, erros de transcricao;
- observacao proveniente de uma condicao distinta das demais;
- modelo mal especificado (falta de uma ou mais variaveis explicativas, modelo

inadequado, etc);
- escala usada errada, talvez os dados sejam melhor descritos apos uma trans-
formacao, do tipo logartmica ou raiz quadrada;
- a parte sistematica do modelo e a escala estao corretas, mas a distribuicao da

resposta tem uma cauda mais longa do que a distribuicao normal.
Dado um conjunto de observacoes e ajustando-se um determinado modelo

com p parametros linearmente independentes, para a verificacao das pressuposicoes
devem ser considerados como elementos basicos:
- os valores estimados (ou ajustados) i ;
- os resduos ordinarios ri = yi i ;
Pn
- a variancia residual estimada, 2 = s2 = QM Res = i=1 (yi i )2 /(n p);
- os elementos da diagonal (leverage) da matriz de projecao H =

X(XT X)1 XT , isto e,
hii = xTi (XT X)1 xi ,
sendo xTi = (xi1 , . . . , xip ).
Uma ideia importante, tambem, e a da delecao (deletion), isto e, a com-

paracao do ajuste do modelo escolhido, considerando-se todos os pontos, com o ajuste
do mesmo modelo sem os pontos atpicos. As estatsticas obtidas pela omissao de
um certo ponto i sao denotadas com um ndice entre parenteses. Assim, por exem-
plo, s2(i) representa a variancia residual estimada para o modelo ajustado, excludo o
ponto i.
5.3.1 Tipos de resduos

Vale destacar que os resduos tem papel fundamental na verificacao do ajuste
de um modelo. Varios tipos de resduos foram propostos na literatura (Cook e
Weisberg, 1982; Atkinson, 1985).
a) Resduos ordinarios
Os resduos do processo de ajuste por mnimos quadrados sao dados por:
ri = yi i .
Enquanto os erros i s sao independentes e tem a mesma variancia, o mesmo nao

ocorre com os resduos obtidos a partir do ajuste do modelo atraves de mnimos
quadrados. Tem-se,
Var(r) = Var[(I H)Y] = (I H) 2 .
Em particular, a variancia do i-esimo resduo e dada por Var(ri ) = (1 hii ) 2 , e a

covariancia dos resduos relativos as observacoes i e j e igual a Cov(ri , rj ) = hij .
Assim, o uso dos resduos ordinarios pode nao ser adequado devido a
heterogeneidade de variancias. Foram, entao, propostas diferentes padronizacoes
para minimizar esse problema.
b) Resduos estudentizados internamente (Studentized residu-

als)
Considerando-se s2 = QM Res como a estimativa de 2 , tem-se que um
estimador nao tendencioso para Var(ri ) e dado por
d i ) = (1 hii )s2 = (1 hii )QM Res

Var(r
e como E(ri ) = E(Yi i ) = 0, entao, o resduo estudentizado internamente e dado

por
ri Yi i
rsii = p =p .
s (1 hii ) (1 hii )QM Res
Esses resduos sao mais sensveis do que os anteriores por considerarem
variancias distintas. Entretanto, um valor discrepante pode alterar profundamente
a variancia residual dependendo do modo como se afasta do grupo maior das
observacoes. Alem disso, o numerador e o denominador dessa expressao sao
variaveis dependentes, isto e, Cov(r, QM Res) 6= 0.
c) Resduos estudentizados externamente (jackknifed residuals,

deletion residuals, externally studentized residuals, RStudent)
Para garantir a independencia do numerador e denominador na padronizacao
dos resduos, define-se o resduo estudentizado externamente, como
ri
rse(i) = p ,
s(i) (1 hii )
sendo s2(i) o quadrado medio residual livre da influencia da observacao i, ou seja, a

estimativa de 2 , omitindo-se a observacao i. Prova-se que
s
np1
rse(i) = rsii ,
n p rsi2i
sendo p o numero de parametros independentes do modelo e rsii definido no item

b).
A vantagem de usar o resduo rse(i) e que, sob normalidade, tem distribuicao
t de Student com (n p 1) graus de liberdade. Embora nao seja recomendada a
pratica de testes de significancia na analise de resduos, sugere-se que a i-esima
observacao seja merecedora de atencao especial se |rse(i) | for maior do que o 100[1
/(2n)]-esimo percentil da distribuicao t com (n p 1) graus de liberdade, sendo
que o nvel de significancia e dividido por n por ser este o numero de pontos sob
analise.
5.3.2 Estatsticas para diagnosticos

Discrepancias isoladas (pontos atpicos) podem ser caracterizadas por terem
hii e/ou resduos grandes, serem inconsistentes e/ou serem influentes (McCullagh
e Nelder, 1989) (p. 404). Uma observacao inconsistente e aquela que destoa da
tendencia geral das demais. Quando uma observacao esta distante das outras em
termos das variaveis explicativas ela pode ser, ou nao, influente. Uma observacao in-
fluente e aquela cuja omissao do conjunto de dados resulta em mudancas substanciais
em certos aspectos do modelo. Essa observacao pode ser um outlier (observacao
aberrante), ou nao. Uma observacao pode ser influente de diversas maneiras, isto e,
- no ajuste geral do modelo;
- no conjunto de estimativas dos parametros;
- na estimativa de um determinado parametro;
- na escolha de uma transformacao da variavel resposta ou de uma variavel
explicativa.
As estatsticas mais utilizadas para a verificacao de pontos atpicos sao:

- Medida de leverage: hii ;
- Medida de inconsistencia: rse(i) ;
- Medida de influencia sobre o parametro j : DF BetaS(i) para j ;
- Medidas de influencia geral: DF F itS(i) , D(i) ou C(i) .
De uma forma geral, pode-se classificar uma observacao como:

- Ponto inconsistente: ponto com rse(i) grande, isto e, tal que |rse(i) |
t/(2n);np1 , com nvel de significancia igual a 100%;
- Ponto de alavanca: ponto com hii grande, isto e, tal que hii 2p/n. Pode
ser classificado como bom, quando consistente, ou ruim, quando inconsistente;
- Outlier: ponto inconsistente com leverage pequeno, ou seja, com rse(i)
grande e hii pequeno;
- Ponto influente: ponto com DF F itS(i) , C(i) , D(i) ou DF BetaS(i) grande.
p
Essa medida e considerada grande se DF F itS(i) 2 p/n. No pacote estatstico R,
a i-esima observacao e considerada influente se |DF BetaS(i) | > 1, se |DF F itS(i) | >
p
3 p/(n p), se |1COV RAT IO| > 3p/(np), se D(i) > F0,5;p;np , ou se hi > 3p/n,
em que COV RAT IO = [E(i) /E]2 com E [s2p /|XT X|]1/2 , E(i) [s2p T
(i) /|X X|]
1/2
e
s2 = QM Res .
A seguir sao descritas as estatsticas citadas.

a) Elementos da diagonal da matriz de projecao H (hii , leverage)
A distancia de uma observacao em relacao as demais e medida por hii (me-
dida de leverage). No caso particular da regressao linear simples, usando-se a
variavel centrada xi = Xi X, tem-se:

1 x1
1
0
1 1 ... 1
1 x2
H=
n 1

x1 x2 . . . xn 0 Pn 2
i=1 xi
1 xn
e, portanto,
1 x2 1 (Xi X)2
hii = + Pn i 2 = + Pn 2 , elementos da diagonal de H e
n i=1 xi n i=1 xi
1 xi x j 1 (Xi X)(Xj X)
hij = + Pn 2 = + Pn 2 , elementos fora da diagonal de H,
n i=1 xi n i=1 xi
o que mostra que a medida que X se afasta de X o valor de hii aumenta e que seu
valor mnimo e 1/n. Esse valor mnimo ocorre para todos os modelos que incluem
uma constante. No caso em que o modelo de regressao passa pela origem, o valor
mnimo de hii e 0 para uma observacao Xi = 0. O valor maximo de hii e 1, ocorrendo
quando o modelo ajustado e irrelevante para a predicao em Xi e o resduo e igual a
0. Sendo H uma matriz de projecao, tem-se H = H2 e, portanto,
n
X X
hii = h2ij = h2ii + h2ij
j=1 j6=i
Pn
concluindo-se que 0 hi 1 e j=1 hij = 1. Alem disso,
n
X
T 1 T T 1 T
r(H) = tr[X(X X) X ] = tr[(X X) X X] = tr(Ip ) = hii = p,
i=1
e, entao, o valor medio de hii e p/n.

No processo de ajuste, como = Hy, tem-se
n
X
i = hij yj = hi1 y1 + hi2 y2 + . . . + hii yi + . . . + hin yn com 1 i n.
j=1
Ve-se, portanto, que o valor ajustado i e a media ponderada dos valores
observados e que o peso de ponderacao e o valor de hij . Assim, o elemento da
diagonal de H e o peso com que a observacao yi participa do processo de obtencao
do valor ajustado i . Valores de hii 2p/n, segundo Belsley et al. (1980) (p. 17)
indicam observacoes que merecem uma analise mais apurada.
b) DFBeta
E importante quando o coeficiente de regressao tem um significado pratico.
Mede a alteracao no vetor estimado ao se retirar o i-esimo ponto da analise. E
dado por
ri
DF Beta(i) = (i) = (XT X)1 xTi .
(1 hii )
Nao tem interpretacao simples. Cook e Weisberg (1982) propuseram curvas
empricas para o estudo dessa medida.
c) DFFitS
Mede a alteracao provocada no valor ajustado pela retirada da observacao
i. E dada por
DF F it(i) xTi ( (i) ) i (i) ri

DF F itS(i) = q = q = q xTi (XT X)1 xi
2 2 2 (1 hii )
hii s(i) hii s(i) hii s(i)
ou, ainda,
21 12
hii ri hii
DF F itS(i) = 1 = rsei
1 hii s(i) (1 hii ) 2 1 hii
hii
sendo o quociente , chamado potencial de influencia, uma medida da distancia
1 hii
do ponto X em relacao as demais observacoes. Belsley et al. (1980) (p. 28) sugerem
p
que valores absolutos excedendo 2 p/n podem identificar observacoes influentes.
d) Distancia de Cook
E tambem uma medida de afastamento do vetor de estimativas provocado

pela retirada da observacao i. E uma expressao muito semelhante ao DF F itS mas
que usa como estimativa da variancia residual aquela obtida com todas as n ob-
servacoes, ou ainda, considera o resduo estudentizado internamente. E dada por
" #2
( (i) )T (XT X)( (i) ) hii ri2 ri hii
D(i) = = = 1
ps2 (1 hii )2 ps2 (1 hii ) 2 s p(1 hii )
ou, ainda,
hii rsi2i
D(i) = .
p (1 hii )
e) Distancia de Cook modificada

Atkinson (1981) (p. 25) sugere uma modificacao para a distancia de Cook
12 21
(n p) hii np
C(i) = |rse(i) | = DF F itS(i) .
p (1 hii ) p
5.3.3 Tipos de graficos

a) Valores observados (y) versus variaveis explanatorias (xj )
Esse tipo de grafico indica a estrutura que pode existir entre a variavel
dependente e as diversas covariaveis. Pode indicar, tambem, a presenca de hetero-
cedasticidade. Pode, porem, levar a uma ideia falsa no caso de muitas covariaveis
(a nao ser que haja ortogonalidade entre todas).
b) Variavel explanatoria xj versus variavel explanatoria xj 0

Esse tipo de grafico pode indicar a estrutura que pode existir entre duas
variaveis explicativas. Pode indicar, tambem, a presenca de heterocedasticidade.
Pode, porem, levar a uma ideia falsa no caso de muitas covariaveis (a nao ser que
haja ortogonalidade entre todas).
c) Resduos versus variaveis explicativas nao includas (xf ora )
Pode mostrar se existe uma relacao entre os resduos do modelo ajustado e
uma variavel ainda nao includa no modelo e, tambem, a evidencia de heterocedasti-
cidade. Pode levar, porem, ao mesmo tipo de problema apontado nos itens a) e b).
Uma alternativa melhor para esse tipo de grafico e o grafico da variavel adicionada
(Added variable plot).
d) Resduos versus variaveis explicativas includas (xdentro )

Pode mostrar se ainda existe uma relacao sistematica entre os resduos e a
variavel xj ja includa no modelo, isto e, por exemplo se x2dentro deve ser includa.
Esse tipo de grafico apresenta o mesmo tipo de problema que o citado nos itens a),
b) e c). Uma alternativa melhor para isso e o grafico dos resduos parciais (partial
residual plot). O padrao para esse tipo de grafico e uma distribuicao aleatoria de
media 0 e amplitude constante. Desvios sistematicos podem indicar:
- escolha errada da variavel explanatoria,
- falta de termo quadratico (ou ordem superior),
- escala errada da variavel explanatoria.
e) Resduos versus valores ajustados

Pode mostrar heterogeneidade de variancias. O padrao para esse tipo de
grafico e uma distribuicao aleatoria de media 0 e amplitude constante.
f) Graficos de ndices
Servem para localizar observacoes com resduos, hii (leverage), distancia
de Cook modificada etc, grandes.
g) Grafico da variavel adicionada ou da regressao parcial (Added

variable plot)
Embora os graficos dos resduos versus variaveis nao includas no modelo
possam indicar a necessidade de variaveis extras no modelo, a interpretacao exata
deles nao e clara. A dificuldade esta em que, a menos que a variavel explanatoria,
considerada para inclusao, seja ortogonal a todas as variaveis que ja estao no modelo,
o coeficiente angular do grafico de resduos nao e o mesmo que o coeficiente angular
no modelo ajustado, incluindo a variavel em questao.
Esse tipo de grafico pode ser usado para detectar a relacao de y com uma
variavel explicativa U , ainda nao includa no modelo, livre do efeito de outras
variaveis, e como isto e influenciado por observacoes individuais. Note que U pode
ser, tambem, uma variavel construda para verificar a necessidade de uma trans-
formacao para a variavel resposta, e/ou para as variaveis explicativas. No caso do
modelo linear geral, tem-se
E(Y) = X + U,
sendo U uma variavel a ser adicionada e , o parametro escalar adicional. O interesse

esta em se saber se = 0, isto e, se nao ha necessidade de se incluir a variavel U no
modelo. A partir do sistema de equacoes normais, tem-se

XT X + XT U = XT y
XT h i XT y
X U =
UT UT y
U T X + U T U = U T y
e, portanto,
= (XT X)1 XT y (XT X)1 XT U
e
U T (I H)y U T (I H)(I H)y uT r
= = =
U T (I H)U U T (I H)(I H)U uT u
que e o coeficiente angular de uma reta que passa pela origem sendo r = y X =
(IH)y os resduos de y ajustado para X e u = (IH)U os resduos de U ajustado
para X.
O grafico da variavel adicionada (added variable plot) de r versus u ,
portanto, tem coeficiente angular (diferente do grafico de r versus U ) e e obtido a
partir dos resduos ordinarios da regressao de y como funcao de todas as covariaveis,
exceto U = xj , versus os resduos ordinarios da regressao de U = xj como funcao das
mesmas covariaveis usadas para modelar y. Assim, por exemplo, para um modelo
com 3 covariaveis, o grafico da variavel adicionada para x3 e obtido a partir de
= 0 + 1 x1 + 2 x2 r = y
e
x3 = 00 + 10 x1 + 20 x2 u = x3 x3 .
O padrao nulo do grafico de r versus u indicara a nao necessidade de

inclusao da variavel U .
h) Grafico de resduos parciais ou grafico de resduos mais compo-

nente (Partial residual plot)
Se o interesse esta em se detectar uma estrutura omitida, tal como uma
forma diferente de dependencia em U , um grafico usando U pode ser de mais
utilidade. Esse grafico, tambem, tem coeficiente angular . Consiste em se plotarem
os resduos do modelo E(Y) = X + U mais U versus U , isto e, no grafico dos
resduos aumentados r = r + U versus U . Por isso, tambem, esse grafico e chamado
de grafico do resduo mais componente.
i) Graficos normal e semi-normal de probabilidades (Normal

plots e Half normal plots)
Segundo Weisberg (2005) o grafico normal de probabilidades destaca-se por
dois aspectos:
- identificacao da distribuicao originaria dos dados e
- identificacao de valores que se destacam no conjunto.
Seja uma amostra aleatoria de tamanho n. As estatsticas de ordem cor-
respondentes aos resduos padronizados obtidos a partir do ajuste de um determi-
nado modelo sao d(1) , . . . , d(i) , . . . , d(n) . O fundamento geral para a construcao do
grafico normal de probabilidades e que se os valores de uma dada amostra provem
de uma distribuicao normal, entao os valores das estatsticas de ordem e os zi cor-
respondentes, obtidos da distribuicao normal padrao sao linearmente relacionados.
Portanto, o grafico dos valores, d(i) versus zi deve ser, aproximadamente, uma reta.
Formatos aproximados comuns que indicam ausencia de normalidade sao:
S (Esse) - indica distribuicoes com caudas muito curtas, isto e, distribuicoes
cujos valores estao muito proximos da media;
S invertido (Esse invertido) - indica distribuicoes com caudas muito
longas e, portanto, presenca de muitos valores extremos;
J e J invertido - indicam distribuicoes assimetricas, positivas e negativas,
respectivamente.
Esses graficos, na realidade sao muito dependentes do numero de ob-
servacoes, atingindo a estabilidade quando o numero de observacoes e grande (em
torno de 300). Para a construcao desse grafico seguem-se os passos:
i) ajuste um determinado modelo a um conjunto de dados e obtenha d(i) ,
os valores ordenados de uma certa estatstica de diagnostico (resduos, distancia de
Cook, h etc);
ii) dada a estatstica de ordem na posicao (i), calcule a respectiva probabili-
dade acumulada pi e o respectivo quantil, ou seja, o inverso da funcao de distribuicao
normal (), no ponto pi . Essa probabilidade pi e, em geral, aproximada por
ic
pi =
n 2c + 1
sendo 0 < c < 1. Diversos valores tem sido propostos para a constante c. Varios
autores recomendam a utilizacao de c = 3/8, ficando, entao,

1 i 0, 375
zi = , para i = 1, 2, . . . , n.
n + 0, 25
iii) coloque, em um grafico, d(i) versus zi .
Esse grafico tem, tambem, o nome de Q-Q plot, por relacionar os valores de
um quantil amostral (d(i) ) versus os valores do quantil correspondente da distribuicao
normal (zi ).
A construcao do grafico semi-normal de probabilidades (half normal plot)
e o resultado do conjunto de pontos obtidos por valores |d|(i) versus zi em que zi =
1 (i + n 0, 125)/(2n + 0, 5).
McCullagh e Nelder (1989) sugerem o uso do grafico normal de probabili-
dades para resduos e o grafico semi-normal de probabilidades (half normal plot)
para medidas positivas como e o caso de hii (medida de leverage) e da distancia de
Cook modificada. No caso do grafico normal de probabilidades para resduos, espera-
se que na ausencia de pontos discrepantes, o aspecto seja linear, mas nao ha razao
para se esperar que o mesmo aconteca quando sao usados hii ou a distancia de Cook
modificada. Os valores extremos aparecerao nos extremos do grafico, possivelmente
com valores que desviam da tendencia indicada pelos demais.
Para auxiliar na interpretacao do grafico semi-normal de probabilidades
(half normal plot), Atkinson (1985) propos a adicao de um envelope simulado.
Esse grafico e obtido, seguindo-se os passos:
i) ajuste um determinado modelo a um conjunto de dados e obtenha d(i) ,
os valores absolutos ordenados de uma certa estatstica de diagnostico (resduos,
distancia de Cook, hii (leverage) etc);
ii) simule 19 amostras da variavel resposta, usando as estimativas obtidas
apos um determinado modelo ser ajustado aos dados e os mesmos valores para as
variaveis explanatorias;
iii) ajuste o mesmo modelo a cada uma das 19 amostras e calcule os valores
absolutos ordenados da estatstica de diagnostico de interesse, dj(i) , j = 1, . . . , 19,
i = 1, . . . , n;
iv) para cada i, calcule a media, o mnimo e o maximo dos dj(i) ;
v) coloque em um grafico as quantidades obtidas no item anterior e d(i)
versus zi .
Esse envelope e tal que sob o modelo correto as quantias (resduos, lever-
age, distancia de Cook etc) obtidas a partir dos dados observados caem dentro do
envelope. Demetrio e Hinde (1997) apresentam um conjunto de macros que permitem
fazer esses graficos para uma grande variedade de modelos, usando o software GLIM.
j) Valores observados (y) ou Resduos versus tempo

Mesmo que o tempo nao seja uma variavel includa no modelo, graficos de
respostas (y) ou de resduos versus tempo devem ser feitos sempre que possvel. Esse
tipo de grafico pode levar a deteccao de padroes nao suspeitados, devido ao tempo
ou, entao, a alguma variavel altamente correlacionada com o tempo.
5.4 Analise de resduos e diagnostico para mode-

los lineares generalizados
As tecnicas usadas para analise de resduos e diagnostico para modelos linea-
res generalizados sao semelhantes aquelas usadas para o modelo classico de regressao,
com algumas adaptacoes. Assim, por exemplo, na verificacao da pressuposicao de
linearidade para o modelo classico de regressao usam-se os vetores y e enquanto
que para o modelo linear generalizado devem ser usados z, a variavel dependente
ajustada, e , o preditor linear. A variancia residual s2 e substituda por uma
estimativa consistente do parametro e a matriz de projecao H e definida por
H = W1/2 X(XT WX)1 XT W1/2 , (5.1)
o que e equivalente a substituir X por W1/2 X. Note-se que, agora H depende das
variaveis explicativas, da funcao de ligacao e da funcao de variancia, tornando mais
difcil a interpretacao da medida de leverage. Pode ser mostrado que
V1/2 ( u)
= HV1/2 (Y ),
sendo V = diag{V (i )}. Isso mostra que H mede a influencia em unidades estuden-
tizadas de y sobre .
5.4.1 Tipos de resduos

Os resduos sao importantes para detectar a presenca de observacoes aber-
rantes que devem ser estudadas em detalhe. O resduo Ri deve expressar uma dis-
crepancia (distancia) entre a observacao yi e o seu valor ajustado i
Ri = hi (yi , i ), (5.2)
em que hi e uma funcao adequada de facil interpretacao, usualmente escolhida

para estabilizar a variancia ou induzir simetria na distribuicao amostral de Ri .
A definicao (5.2) foi dada por Cox e Snell (1968). A mesma funcao hi () = h()
pode ser usada para as diversas observacoes. A matriz H em (5.1) desempenha
um papel importante na analise dos resduos em MLG e tem as propriedades
tr(H) = p e 0 hii 1, ja descritas na Secao 5.3.2 no contexto do mode-
lo classico de regressao. Outra matriz importante de projecao e definida como
I H = I W1/2 X(XT WX)1 XT W1/2 As escolhas mais comuns de hi sao
Ri = (yi i )/[Var(yi )]1/2 e Ri = (yi i )/[Var(yi i )]1/2 , a primeira forma sendo a
mais comum, as expressoes da variancia nos denominadores sendo estimadas segundo
o modelo sob pesquisa. Em algumas aplicacoes esses resduos nao sao apropriados
para detectar anomalias no ajuste do modelo estatstico.
Em geral, a definicao da funcao hi depende, basicamente, do tipo de anoma-
lia que se deseja detectar no modelo. Entre as anomalias mais frequentes, citam-se:
i) uma falsa distribuicao populacional para a variavel resposta;
ii) uma ou mais observacoes nao pertencendo a distribuicao proposta para
os dados;
iii) algumas observacoes que se mostram dependentes ou exibindo alguma
forma de correlacao serial;
iv) um parametro importante que esta sendo omitido no modelo.
Escolhendo hi , adequadamente, estas anomalias podem ser descobertas

atraves dos graficos respectivos:
i) resduos ordenados R(i) versus pontos percentuais de alguma distribuicao
de probabilidade de referencia F(.); esses pontos podem ser definidos por F1 [(i
)/(n 2 + 1)] para 0 0, 5;
ii) Ri versus i ;
iii) Ri versus i;
iv) Ri versus os nveis da variavel ou fator correspondente ao parametro

omitido.
Geralmente, esses graficos representam o metodo mais importante de analise

dos resduos. A definicao dos resduos atraves de (5.2) deve satisfazer, aproximada-
mente, propriedades de segunda ordem, tais como, E(Ri ) = 0, Var(Ri ) = constante
e Cov(Ri , Rj ) = 0, i 6= j, pois, em muitos casos, essas condicoes sao suficientes para
especificar a forma da distribuicao de Ri .
O resduo verdadeiro e definido por i = hi (yi , i ). A quantidade de

dados para estimar os parametros 0 s do modelo e fornecer informacoes sobre a
distribuicao de probabilidade dos resduos deve ser grande. Frequentemente, p e
pequeno comparado com n e as combinacoes de parametros sao estimadas com erro
padrao de ordem n1/2 . Nesse caso, o resduo Ri difere de i de uma quantidade
de ordem n1/2 em probabilidade, e muitas propriedades estatsticas dos Ri0 s sao
equivalentes as propriedades respectivas dos 0i s.
Em geral, a distribuicao exata de Ri nao e conhecida e trabalha-se com

resultados assintoticos, tais como, valor esperado E(Ri ) e variancia Var(Ri ) ate
ordem n1 . Theil (1965) sugere usar uma combinacao linear dos resduos R = CR,
no lugar de R = (R1 , . . . , Rn )T , para testes e graficos, em que C e uma matriz
(n p) n, escolhida de tal forma que R seja, aproximadamente, normal multi-
variada N(0, 2 I). Apresentam-se, a seguir, os tipos de resduos mais comuns nos
MLG.
a) Resduos ordinarios
ri = yi i .
Esses resduos nao tem maior interesse nos MLG.
b) Resduos de Pearson
O resduo mais simples e o de Pearson, definido por
yi i
riP = 1/2
. (5.3)
Vi
Esta quantidade e um componente da estatstica de Pearson ge-

Xn
2
neralizada Xp2 = riP dada em (4.3). Para os modelos log-lineares
i=1
1/2
riP = (yi i )i e Haberman (1974) sugere o ajuste riP = riP /(1 i zii )1/2 , em
que Z = {zij } = X(XT WX)1 XT com W = diag{i }, para tornar a distribuicao
do resduo riP , aproximadamente, normal N(0, 1). A variancia media dos riP e
1 (1 + p)n1 . Podem-se incorporar pesos a priori na formula (5.3). A desvantagem
do resduo de Pearson e que sua distribuicao e, geralmente, bastante assimetrica
para modelos nao-normais.
c) Resduos de Anscombe
Anscombe (1953) apresenta uma definicao geral de resduo, atraves de uma
transformacao N (yi ) da observacao yi , escolhida visando torna-lo tal que sua dis-
tribuicao esteja, o mais proximo possvel, da distribuicao normal. Barndorff-Nielsen
R
(1978) demonstra que, para os MLG, N (.) e dada por N () = V 1/3 d. Como
N 0 ()(V /)1/2 e a aproximacao de primeira ordem para o desvio padrao de N (y),
o resduo de Anscombe, visando a normalizacao e a estabilizacao da variancia, e
expresso por
N (yi ) N (i )
Ai = 1/2
. (5.4)
N 0 (i )Vi
Da definicao do resduo de Anscombe, conclui-se que a transformacao apli-
cada aos dados para normalizar os resduos e a mesma que aplicada as medias dos
dados e normaliza a distribuicao de .
Para os modelos de Poisson, gama e normal inverso, os resduos de Anscombe
sao facilmente obtidos de (5.4) como 3(y 2/3 2/3 )/(21/6 ), 3(y 1/3 1/3 )/1/3 e
(log y log )/1/2 , respectivamente. Para o modelo binomial B(m, ), (5.4) reduz-se
1/2 R
a Ai = mi [N (yi ) N (i )]/[i (1 i )]1/6 , em que N () = [(1 )]1/3 d. Cox
e Snell (1968) calculam esse resduo atraves da funcao beta incompleta.
d) Resduos de Pearson estudentizados
0 yi i
riP = q , (5.5)
V (i )(1 hii )
sendo hii o i-esimo elemento da diagonal da matriz definida em (5.1). Os resduos

estudentizados (5.5) tem, aproximadamente, variancia igual a um quando o
parametro de dispersao 0.
e) Componentes do desvio
Os resduos podem, tambem, ser definidos como iguais as razes quadradas
dos componentes do desvio com sinal dado pelo sinal de yi i . Tem-se,

riD = sinal(yi i ) 2{v(yi ) v(i ) + q(i )(i yi }1/2 , (5.6)
em que a funcao v(x) = xq(x) b(q(x)) e definida em termos das funcoes b() e q()
dadas na Secao 1.3.
O resduo riD representa uma distancia da observacao yi ao seu valor ajus-
tado i , medida na escala do logaritmo da funcao de verossimilhanca. Tem-se
X n
2
Dp = riD . Um valor grande para riD indica que a i-esima observacao e mal
i=1
ajustada pelo modelo. Pregibon (1979) demonstra que, se existe uma transformacao
hi que normaliza a distribuicao do resduo Ri = hi (yi , i ), entao as razes quadradas
dos componentes do desvio sao resduos que exibem as mesmas propriedades in-
duzidas por essa transformacao. Assim, os resduos riD podem ser tratados, aproxi-
2
madamente, como variaveis aleatorias normais e, consequentemente, riD como tendo,
aproximadamente, distribuicao 21 .
Para os modelos de Poisson, gama, binomial e normal inverso, os
resduos definidos como as razes quadradas dos componentes do desvio, tem
as formas respectivas: {2 [y log(y/) + y]}1/2 , {2[log(/y) + (y )/]}1/2 ,
(2m{y log(y/) + (1 y) log[(1 y)/(1 )]})1/2 e (y )/(y 1/2 ), em que re-
presenta o sinal de (y ).
As vantagens do resduo (5.6) sao: i) nao requer o conhecimento da funcao
normalizadora; ii) computacao simples apos o ajuste do MLG; iii) e definido para
toda observacao e, mesmo para observacoes censuradas, desde que essas fornecam
uma contribuicao para o logaritmo da funcao de verossimilhanca.
f) Componentes do desvio estudentizados
0 riD
riD = p .
1 hii
0
Os resduos riD sao, entao, definidos a partir de (5.6).
Os resduos de Pearson, de Anscombe e componentes do desvio dados em
(5.3), (5.4) e (5.6), respectivamente, sao os mais importantes nas aplicacoes dos
MLG.
No modelo normal, nenhuma distincao e feita entre esses tres tipos de
resduos. Para modelos bem ajustados, as diferencas entre riD e riP devem ser pe-
quenas. Entretanto, para os modelos mal-ajustados e/ou para observacoes aber-
rantes, podem ocorrer diferencas consideraveis entre esses resduos. Embora os
resduos, definidos por (5.4) e (5.6), apresentem formas bem diferentes para mo-
delos nao-normais, os seus valores, dados y e , sao similares. Admite-se que = cy,
em que c e um real qualquer. Seja A/D o quociente entre os dois resduos: de
Anscombe (A) e aquele, definido como a raiz quadrada do componente do desvio
(D). Para os modelos de Poisson, gama e normal inverso esse quociente e igual

a 3(1 c2/3 )/(2 2)c1/6 (c 1 log c)1/2 ; 3(1 c1/3 )c1/6 / 2(c log c + 1 c)1/2 e
c1/2 log c/(c 1), respectivamente, em que = +1(1) quando c < 1(> 1).
A Tabela 5.1 apresenta valores do quociente A/D para esses tres mode-
los. Dessa tabela, conclui-se que esses dois resduos sao, aproximadamente, equiva-
lentes. Essa equivalencia poderia ainda ser vista por expansoes em serie de Taylor.
McCullagh e Nelder (1989) comparam os resduos de Pearson, de Anscombe e como
componentes do desvio para o modelo de Poisson.
Definindo-se uma distribuicao teorica conveniente para os resduos, podem-
se aplicar as diversas tecnicas analticas e graficas para detectar desvios do modelo
sob pesquisa.
Tabela 5.1: Relacao A/D entre o resduo de Anscombe e o definido como a raiz
quadrada da componente do desvio, para tres modelos.
c Poisson gama normal inverso

0,1 1,0314 0,9462 0,8090
0,2 1,0145 0,9741 0,8997
0,4 1,0043 0,9918 0,9658
0,6 1,0014 0,9977 0,9892
0,8 1,0010 0,9994 0,9979
2,0 1,0019 0,9958 0,9802
3,0 1,0048 0,9896 0,9514
5,0 1,0093 0,9790 0,8997
10,0 1,0169 0,9598 0,8090
5.4.2 Tipos de graficos

Sao basicamente os mesmos graficos ja estudados na Secao 5.3.3 com algumas
modificacoes e com intrepretacoes semelhantes.
a) Resduos versus alguma funcao dos valores ajustados
0
E recomendado o grafico de algum tipo de resduo estudentizado (riP ou
0
riD ) versus i , ou entao, versus os valores ajustados transformados de tal forma a
se ter variancia constante (McCullagh e Nelder, 1989) para a distribuicao em uso.

Assim, usar i para a distribuicao normal, 2 i para a Poisson, 2arcsen(i /mi )
1/2
para a binomial, log i para a gama e 2i para a normal inversa. O padrao
nulo desse grafico e uma distribuicao dos resduos em torno de zero com amplitude
constante. Desvios sistematicos podem ter algum tipo de curvatura ou, entao,
mudanca sistematica da amplitude com o valor ajustado.
b) Resduos versus variaveis explanatorias nao includas
Pode mostrar se existe uma relacao entre os resduos do modelo ajustado

e uma variavel ainda nao includa no modelo. Uma alternativa melhor para esse
tipo de grafico e o grafico da variavel adicionada (added variable plot). O padrao
nulo deste grafico e uma distribuicao dos resduos em torno de zero com amplitude
constante.
c) Resduos versus variaveis explanatorias ja includas
Pode mostrar se ainda existe uma relacao sistematica entre os resduos

e uma variavel ja includa. Alternativa melhor para isso e o grafico de resduos
parciais (partial residual plot). O padrao nulo para esse tipo de grafico e uma
distribuicao aleatoria de media 0 e amplitude constante.
d) Grafico da variavel adicionada ou da regressao parcial (added

variable plot)
Inicialmente, ajusta-se o modelo com preditor linear = X. Em seguida,

faz-se o grafico de W c 1/2 s versus (I H)
b Wc 1/2 u, sendo s o vetor com elementos
(yi i ) d
di
si = e u o vetor com os valores da variavel a ser adicionada (Wang,
V (i ) di
1985). Aqui Wc 1/2 s representa o vetor de elementos (yi i ) (resduo de Pearson

V (i )1/2
generalizado da regressao ponderada de y em relacao a X com matriz de pesos
c e (I H)
estimada W) b Wc 1/2 u representa os resduos da regressao ponderada de u
c
em relacao a X com matriz de pesos estimada W.
e) Grafico de resduos parciais ou grafico de resduos mais compo-

nente (partial residual plot)
Inicialmente, ajusta-se o modelo com preditor linear = X + u,
c 1 s e . Em seguida, faz-se o grafico de W
obtendo-se W c 1 s + u versus u (Wang,
1987).
f) Graficos de ndices
Servem para localizar observacoes com resduo, leverage (hii ), distancia
de Cook modificada etc, grandes.
g) Grafico normal e semi-normal de probabilidades (normal plots

e half normal plots)
Construdos da mesma forma que para os modelos classicos de regressao,
usando-se, porem, a distribuicao pertinente.
h) Valores observados ou resduos versus tempo

Mesmo que o tempo nao seja uma variavel includa no modelo, graficos de
respostas (y) ou de resduos versus tempo devem ser feitos sempre que possvel. Esse
tipo de grafico pode levar a deteccao de padroes concebidos a priori, devido ao tempo
ou, entao, a alguma variavel altamente correlacionada com o tempo.
5.4.3 Resduos de Pearson estudentizados

Na expressao geral dos resduos Ri = hi (yi , i ), dada em (5.2), a funcao hi
deve ser escolhida visando a satisfazer as propriedades de segunda ordem: E(Ri ) = 0
e Var(Ri ) = constante. Cox e Snell (1968) apresentam formulas gerais para E(Ri ),
Cov(Ri , Rj ) e Var(Ri ) ate termos de ordem n1 , validas para qualquer funcao h(, )
especificada. Essas formulas possibilitam calcular resduos modificados cujas dis-
tribuicoes sao melhores aproximadas pelas distribuicoes de probabilidade de re-
ferencia.
Cordeiro (2004a) utiliza os resultados de Cox e Snell para obter expressoes
matriciais aproximadas, ate ordem n1 , para os valores esperados, variancias e co-
variancias dos resduos de Pearson validas para qualquer MLG. Essas expressoes
dependem das funcoes de ligacao e de variancia e de suas duas derivadas de primeira
ordem.
Demonstra-se, a seguir, que os resduos de Pearson tem estrutura de co-
variancia dada, aproximadamente, pela matriz de projecao do MLG, vista na Secao
5.4.1, isto e, por I H = I W1/2 ZW1/2 , em que Z = X(XT WX)1 XT e a matriz
de covariancia assintotica de . Essa aproximacao nao esta correta ate termos de
ordem n1 (Cordeiro, 2004a).
O algoritmo (3.5) de ajuste do MLG avaliado na EMV implica
c 1 XT Wz,
= (XT WX) c
b ). Logo, da definicao da matriz Z, tem-se

em que z = + H(y
c
z = (I ZW)z.
Supondo que Z e W sao, aproximadamente, constantes pelo menos o produto

c pode-se escrever
ZW,
Cov(z ) (I ZW)Cov(z)(I ZW)T
e como Cov(z) = W1 , tem-se
Cov(z ) W1/2 (I H)W1/2 ,

em que H = W1/2 ZW1/2 . Logo,
c 1/2 (z )] I H.
Cov[W
c 1/2 (z ) e igual a V1/2 (y ), em que V =

A expressao W
diag{V1 , . . . , Vn }, e representa o vetor cujos componentes sao iguais aos resduos
de Pearson (5.3) e, entao, a demonstracao esta concluda. Convem enfatizar que os
c 1/2 (z )] esta
resultados de (Cordeiro, 2004a) mostram que a expressao de Cov[W
correta ate ordem n1 para os elementos fora da diagonal, mas nao para os elementos
da diagonal.
A conclusao pratica importante e que para uma analise mais cuidadosa dos
graficos i), i), i) e iv), descritos na Secao 5.4.1, devem-se usar os resduos de
0
Pearson estudentizados riP definidos em (5.5), em que o denominador e [V (i )(1
hii )]1/2 ao inves de V (i )1/2 .
Nos casos em que as covariaveis apresentam configuracoes irregulares, o uso

0
dos resduos riP e fundamental. Essa correcao, tambem, sera importante para iden-
0
tificar observacoes aberrantes. Em geral, no grafico de riP versus 1hii observam-se,
facilmente, dados com grandes resduos e/ou variancias pequenas e, portanto, esse
grafico pode ajudar na identificacao de pontos aberrantes.
0
Os resduos riP apresentam propriedades razoaveis de segunda ordem mas
podem ter distribuicoes bem diferentes da normal. Por essa razao, os resduos
definidos em (5.5) como as razes quadradas dos componentes do desvio podem ser
preferidos nos graficos de resduos versus pontos percentuais da distribuicao nor-
mal padrao. Pregibon (1979) propoe, tambem, o uso do mesmo fator de correcao
(1 hii )1/2 para os resduos riD , isto e, sugere trabalhar com as razes quadradas dos
componentes do desvio divididos por (1 hii )1/2 , ou seja, com os componentes do
desvio estudentizados definidos na Secao 5.4.1 (item e). Entretanto, a adequacao da
0
distribuicao normal para aproximar a distribuicao de riD ainda e um problema a ser
pesquisado.
5.5 Verificacao da funcao de ligacao
Um metodo informal para a verificacao da adequacao da funcao de ligacao

usada e o grafico da variavel dependente ajustada z versus o preditor linear estimado
. O padrao nulo e uma reta. O grafico da variavel adicionada tambem pode ser
usado, considerando-se u = 2 , sendo que o padrao nulo indicara que a funcao de
ligacao usada e adequada.
Para funcoes de ligacao na famlia potencia, uma curvatura para cima no

grafico indica que deve ser usada uma funcao de ligacao com expoente maior enquanto
que uma curvatura para baixo indica um expoente menor. Esse tipo de grafico nao
serve para dados binarios.
Existem dois metodos formais para a verificacao da adequacidade da funcao

de ligacao utilizada:
1) o mais simples consiste em se adicionar u = 2 como uma covariavel

extra e examinar a mudanca ocorrida no desvio, o que equivale ao teste da razao de
verossimilhancas. Se ocorrer uma diminuicao drastica ha evidencia de que a funcao
de ligacao e insatisfatoria. Pode-se usar, tambem, o teste escore;
2) outro metodo formal consiste em indexar a famlia de funcoes de ligacao

por um parametro e fazer um teste da hipotese H0 : = 0 , usando-se os testes da
razao de verossimilhancas e o escore. Incerteza sobre a funcao de ligacao e mais
comum com dados contnuos que tem distribuicao gama e com proporcoes cujo
numero de sucessos segue a distribuicao binomial. Assim, por exemplo, para da-
dos com distribuicao gama, pode-se usar a famlia de funcoes de ligacao = .
Para dados com distribuicao binomial, pode-se usar a famlia de funcoes de ligacao
= log [(1 ) 1]/ de Aranda-Ordaz (1981) que tem como casos especiais a
funcao de ligacao logstica para = 1 e a complemento log-log quando 0. Em
geral, usa-se o metodo do logaritmo da funcao de verossimilhanca perfilada para se
estimar . Para o modelo classico de regressao, esse teste equivale ao teste proposto
por Tukey (1949) para nao-aditividade.
A verificacao da adequacao da funcao de ligacao e, inevitavelmente, afetada
pela falha em estabelecer escalas corretas para as variaveis explicativas no preditor
linear. Em particular, se o teste formal construdo pela adicao de 2 ao preditor
linear produz uma reducao significativa no desvio do modelo, isso pode indicar
uma funcao de ligacao errada ou escalas erradas para as variaveis explanatorias ou
ambas. Pontos atpicos, tambem, podem afetar a escolha da funcao de ligacao.
Exemplo 5.1: Seja a funcao de ligacao g0 () = g(, 0 ) = X, includa em uma

famlia parametrica g(, ), indexada pelo parametro escalar , por exemplo,

1 6= 0
g(, ) = (5.7)

log =0
que inclui as funcoes de ligacao identidade, logartmica etc, ou entao, a famlia de

Aranda-Ordaz,
1 (1 + e ) 1 e > 1
=
1 c.c.
que inclui as funcoes de ligacao logstica, complemento log-log etc.
A expansao de Taylor para g(, ) em torno de um valor conhecido 0 ,
produz
g(, ) ' g(, 0 ) + ( 0 )u(0 ) = X + u(0 ),

g(, )
em que u(0 ) = .
=0
De uma forma geral usa-se u = 2 . A seguir, justifica-se o uso de 2 como

variavel adicionada ao preditor linear do modelo para o teste de adequacao da funcao
de ligacao de um MLG.
Suponha que a funcao de ligacao usada foi = g() e que a funcao de
ligacao verdadeira seja g (). Entao,
g() = g[g 1 ()] = h().

A hipotese nula e H0 : h() = e a alternativa e H : h() = nao linear.
Fazendo-se a expansao de g() em serie de Taylor, tem-se:
h00 (0)
g() ' h(0) + h0 (0) +
2
e, entao, a variavel adicionada e , desde que o modelo tenha termos para o
qual a media geral seja marginal.
Exemplo 5.2: Considere os dados do Exemplo 2.1. A variavel resposta tem dis-
tribuicao binomial, isto e, Yi B(mi , i ). Adotando-se a funcao de ligacao logstica
(canonica) e os preditores lineares dados por

i
i = log = 1 + 2 di ,
mi i
e
i
i = log = 1 + 2 di + ui ,
m i i
sendo ui = i2 , usa-se a diferenca de desvios para testar a adequacao da funcao de
ligacao, obtendo-se os resultados da Tabela 5.2. Verifica-se que se rejeita a hipotese
H0 : = 0, ao nvel de 5% de probabilidade, indicando que a ligacao logstica nao e
adequada. A estimativa para e = 0, 2087 com erro padrao 0,0757.
Tabela 5.2: Teste da funcao de ligacao para os dados do Exemplo 2.1
Causa de variacao g.l. Desvio Valor de p

Regressao linear 1 153,480 < 0, 0001
Funcao de ligacao 1 9,185 0,0024
Novo Resduo 3 1,073
(Resduo) 4 10,260 0,0527
Total 5 163,740
Fazendo-se uma analise de resduos verifica-se que a primeira observacao e

discrepante. Eliminando-a e refazendo-se o teste para a funcao de ligacao, a hipotese
H0 : = 0 nao e rejeitada, indicando a adequacao da funcao de ligacao logstica.
Tem-se, entao, = 0, 0757 com erro padrao 0,086 e,

i
i = log = 3, 5823 + 0, 7506di .
mi i
5.6 Verificacao da adequacao da funcao de

variancia
Um metodo informal para a adequacao da funcao de variancia (que e definida
ao se escolher uma determinada distribuicao) e o grafico dos resduos absolutos versus
os valores ajustados transformados em uma escala com variancia constante (item a)
da Secao 5.4.2). O padrao nulo para esse tipo de grafico e uma distribuicao aleatoria
de media 0 (zero) e amplitude constante. A escolha errada da funcao de variancia
mostrara uma tendencia na media. Em geral, a nao adequacao da funcao de variancia
sera tratada como superdispersao (Hinde e Demetrio, 1998a,b).
Um metodo formal para a verificacao da adequacao da funcao de variancia
usada consiste em indexar essa funcao por um parametro e fazer um teste de
hipotese H0 : = 0 , usando-se os testes da razao de verossimilhancas e escore.
Assim, por exemplo, pode-se usar V () = e observar como o ajuste varia em
funcao da variacao de . Em geral, usa-se o logaritmo da funcao de verossimilhanca
perfilada para se estimar .
Para a comparacao de ajuste de modelos com diferentes funcoes de variancia,
o desvio nao pode ser usado, ha necessidade de se usar a teoria de quase verossimi-
lhanca estendida.
A verificacao da adequacao da funcao de variancia e, inevitavelmente, afe-
tada pela falha em estabelecer escalas corretas para as variaveis explicativas no pre-
ditor linear, escolha errada da funcao de ligacao e pontos atpicos.
Captulo 6
Aplicacoes a dados contnuos

Neste Captulo serao apresentadas analises para tres conjuntos de dados.
Exemplo 6.1: Volume de arvores
Os dados da Tabela 6.1 referem-se a medidas de diametro a 4,5 pes acima

do solo (D, polegadas) e altura (H, pes) de 21 cerejeiras (black cherry) em pe e de
volume (V , pes cubicos) de arvores derrubadas (Ryan et al., 1976). O objetivo desse
tipo de experimento e verificar de que forma essas variaveis estao relacionadas para,
atraves de medidas nas arvores em pe, poder predizer o volume de madeira em uma
area de floresta (Allegheny National Forest).
A Figura 6.1 mostra os graficos de dispersao das variaveis duas a duas para
os dados observados sem transformacao e com transformacao logartmica. Pode-se
ver que existe uma relacao mais forte entre volume e diametro a altura do peito, do
que entre volume e altura. Alem disso, que a variavel altura tem variabilidade maior
do que a variavel diametro a altura do peito.
As Tabelas 6.2 e 6.3 mostram os resultados obtidos para a analise dos da-
dos sem transformacao e com transformacao logartmica. Verifica-se que existem
evidencias, ao nvel de 1% de probabilidade, que os efeitos tanto de diametro a al-
tura do peito como de altura sao significativos, sendo que o efeito de diametro a
altura do peito e maior que o de altura, tanto para o caso de dados nao transforma-
dos como para transformados. Ha necessidade, porem, de um estudo mais detalhado,
105
Tabela 6.1: Medidas de diametro a 4,5 pes acima do solo (D, polegadas) e altura
(H, pes) de 21 cerejeiras (black cherry) em pe e de volume (V , pes cubicos) de
arvores derrubadas
Amostra D H Y Amostra D H Y
1 8,3 70 10,3 17 12,9 85 33,8
2 8,6 65 10,3 18 13,3 86 27,4
3 8,8 63 10,2 19 13,7 71 25,7
4 10,5 72 16,4 20 13,8 64 24,9
5 10,7 81 18,8 21 14,0 78 34,5
6 10,8 83 19,7 22 14,2 80 31,7
7 11,0 66 15,6 23 14,5 74 36,3
8 11,0 75 18,2 24 16,0 72 38,3
9 11,1 80 22,6 25 16,3 77 42,6
10 11,2 75 19,9 26 17,3 81 55,4
11 11,3 79 24,2 27 17,5 82 55,7
12 11,4 76 21,0 28 17,9 80 58,3
13 11,4 76 21,4 29 18,0 80 51,5
14 11,7 69 21,3 30 18,0 80 51,0
15 12,0 75 19,1 31 20,6 87 77,0
16 12,9 74 22,2
65 70 75 80 85 4.15 4.25 4.35 4.45
3.0
20
18
2.8
16
2.6
D logD
14
2.4
12
10
2.2
8
4.45
85
80
4.35
H logH
75
4.25
70
65
4.15
70
4.0
60
50
3.5
V logV
40
3.0
30
20
2.5
10
8 10 12 14 16 18 20 10 20 30 40 50 60 70 2.2 2.4 2.6 2.8 3.0 2.5 3.0 3.5 4.0
Figura 6.1: Grafico de dispersao - valores observados e transformados
usando-se analise de resduos e diagnosticos, para a escolha do modelo final.

E importante, lembrar, tambem, que o teste para o modelo com ambas as
variaveis (regressao parcial) simultaneamente tem um nvel de significancia conjunto,
enquanto que na analise sequencial nao se sabe o nvel conjunto de significancia dos
testes. Verifica-se que existem evidencias que ambas as variaveis explanatorias altura
e diametro sao necessarias para explicar o volume e que o melhor ajuste e obtido
com os dados transformados.
A necessidade de transformacao pode ser explicada, considerando-se que
volume e proporcional ao produto de diametro a altura do peito pela altura, isto e,
V 0 D1 H 2 . Logo,
log(V ) = 0 + 1 log(D) + 2 log(H) + .
Testes t (equivalentes aos testes F ) e intervalos de confianca para os

parametros e intervalos de previsao para V podem ser obtidos. Analises de resduos
e diagnosticos tambem se fazem necessarias. O programa em R encontra-se no
Apendice. Uma analise alternativa a ser considerada e supor distribuicao normal e
usar funcao de ligacao logartmica (Exerccio!)
Tabela 6.2: Analise de variancia, teste F e estimativas - Dados sem transformacao

Modelo E(Y ) = 0 + 1 X1
Causas de variacao G.L. S.Q. Q.M. F
DAP 1 7.581, 8 7.581, 8 419, 4
Resduo 29 524, 3 18, 1
Total 30 8.106, 1
Y = 36, 94 + 5, 066X1 R2 = 0, 935 R2 = 0, 933
s(0 ) = 3, 36 e s(1 ) = 0, 247
Modelo E(Y ) = 0 + 2 X2
Altura 1 2.901, 2 2.901, 2 16, 2
Resduo 29 5.204, 9 179, 5
Total 30 8.106, 1
Y = 87, 12 + 1, 543X2 R2 = 0, 358 R2 = 0, 336
s(0 ) = 29, 27 e s(2 ) = 0, 384
Modelo E(Y ) = 0 + 1 X1 + 2 X2 - Parcial

DAP e Altura 2 7.684, 4 3.842, 2 255, 0
Resduo 28 421, 9 15, 1
Total 30 8.106, 1
Y = 57, 99 + 4, 708X1 + 0, 339X2 R2 = 0, 948 R2 = 0, 944
s(0 ) = 8, 64, s(1 ) = 0, 264 e s(2 ) = 0, 130
Modelo E(Y ) = 0 + 1 X1 + 2 X2 - Sequencial

DAP 1 7.581, 8 7.581, 8 503, 1
Altura|DAP 1 102, 4 102, 4 6, 8
Resduo 28 421, 9 15, 1
Total 30 8.106, 1
Modelo E(Y ) = 0 + 1 X1 + 2 X2 - Sequencial

Altura 1 2.901, 2 2.901, 2 192, 5
DAP|Altura 1 4.783, 0 4.783, 0 317, 4
Resduo 28 421, 9 15, 1
Total 30 8.106, 1
F1,29;0,05 = 4, 18, F2,28;0,05 = 3, 34 e F1,28;0,05 = 4, 20
F1,29;0,01 = 7, 60, F2,28;0,01 = 5, 45 e F1,28;0,01 = 7, 64
Tabela 6.3: Analise de variancia, teste F e estimativas - Dados transformados

Modelo E[log(Y )] = 0 + 1 log(X1 )
DAP 1 7, 9254 7, 9254 599, 7
Resduo 29 0, 3832 0, 0132
Total 30 8, 3087
\) = 2, 353 + 2, 2 log(X1 ) R2 = 0, 954 R2 = 0, 952
log(Y
s(0 ) = 0, 231 e s(1 ) = 0, 089
Modelo E[log(Y )] = 0 + 2 log(X2 )
Altura 1 3, 496 3, 496 21, 06
Resduo 29 4, 8130 0, 166
Total 30 8, 3087
\
log(Y ) = 13, 96 + 3, 982 log(X2 ) R2 = 0, 421 R2 = 0, 401
s(0 ) = 3, 76 e s(2 ) = 0, 868
Modelo E[log(Y )] = 0 + 1 log(X1 ) + 2 log(X2 ) - Parcial

DAP e Altura 2 8, 1228 4, 0614 615, 36
Resduo 28 0, 1855 0, 0066
Total 30 8, 3087
\) = 6, 632 + 1, 983 log(X1 ) + 1, 117 log(X2 )
log(Y R2 = 0, 978 R2 = 0, 976
s(0 ) = 0, 799, s(1 ) = 0, 0, 075 e s(2 ) = 0, 204
Modelo E[log(Y )] = 0 + 1 log(X1 ) + 2 log(X2 ) - Sequencial

DAP 1 7, 9254 7, 9254 1196, 5
Altura|DAP 1 0, 1978 0, 1978 29, 9
Resduo 28 0, 1855 0, 0066
Total 30 8, 3087
Modelo E[log(Y )] = 0 + 1 log(X1 ) + 2 log(X2 ) - Sequencial

Altura 1 3, 4957 3, 4957 527, 8
DAP|Altura 1 4, 6275 4, 6275 698, 6
Resduo 28 0, 1855 0, 0066
Total 30 8, 3087
F1,29;0,05 = 4, 18, F2,28;0,05 = 3, 34 e F1,28;0,05 = 4, 20
F1,29;0,01 = 7, 60, F2,28;0,01 = 5, 45 e F1,28;0,01 = 7, 64
Exemplo 6.2: Gordura no leite
A Tabela 6.4 refere-se a producoes medias diarias de gordura (kg/dia) no leite de
uma unica vaca durante 35 semanas (McCulloch, 2001).
Tabela 6.4: Producoes medias diarias de gordura (kg/dia)

0.31 0.39 0.50 0.58 0.59 0.64
0.68 0.66 0.67 0.70 0.72 0.68
0.65 0.64 0.57 0.48 0.46 0.45
0.31 0.33 0.36 0.30 0.26 0.34
0.29 0.31 0.29 0.20 0.15 0.18
0.11 0.07 0.06 0.01 0.01
E comum supor que a producao media de gordura Yi tem distribuicao com media
i ti eti
em que t representa a semana, , e sao parametros.

Portanto,
log i = log + log(ti ) + i ti
o que mostra a necessidade do uso de funcao de ligacao logartmica. Pode-se supor ainda
que Yi N(i , 2 ), isto e,
Yi = i + i = ti eti + i
em que i N(0, 2 ).
Entretanto, na pratica e comum supor que log(Yi ) N(log i , 2 ), isto e,
log(Yi ) = log i + i = log + log(ti ) + ti + i
em que i N(0, 2 ).
A Figura 6.2 mostra que usar a distribuicao normal com funcao de ligacao
logartmica da um melhor ajuste do que fazer transformacao logartmica dos dados e usar
distribuicao normal com funcao de ligacao identidade. Necessaria se faz a complementacao
com analise de resduos e diagnosticos. O programa em R encontra-se no Apendice.
* Observed
0.8
Log transformation
Log link
*
* * **
Fat yield (kg/day)

* ** *
0.6
** *
* ***
0.4
* *
* ** * ****
*
0.2
* *
*
*
**
0.0 **
0 5 10 15 20 25 30 35
Weeks
Figura 6.2: Valores observados e curvas ajustadas
Exemplo 6.3: Importacao Brasileira
Os dados da Tabela 6.5 referem-se a importacoes brasileiras (IM) em milhoes de

dolares, taxa de cambio (TCI) e o Produto Interno Bruto representando a renda nacional
(RN). Os dados sao trimestrais das contas externas do Brasil no perodo de 1980 a 1998
(Banco Central). A taxa de cambio representa a relacao entre reais e dolar, isto e, quantos
reais sao gastos para comprar um dolar americano e, por fim, a renda nacional em numero
ndice (dez90=100). Uma analise inicial desses dados foi feita pelo aluno de Mestrado
Wagner Barreto de Souza.
A Figura 6.3 mostra os graficos de dispersao das variaveis duas a duas para os
dados observados e considerando o logaritmo e o inverso da variavel resposta. Verifica-se
que existe uma relacao nao-linear entre IM e as variaveis explanatorias TCI e RN. Essa
relacao nao-linear diminui, porem, nao desaparece quando se usa o logaritmo da variavel
resposta. Entretanto, a transfomacao 1/IM parece linearizar a relacao com as variaveis
explanatorias. Nota-se, contudo, a presenca de heterogeneidade de variancias em todos
os casos, pincipalmente relacionada a variavel RN. A relacao entre TCI e RN nao parece
muito forte e mostra uma variabilidade grande. Portanto, espera-se de antemao uma falta
de ajuste do modelo com distribuicao normal.
Tabela 6.5: Importacoes brasileiras (IM) em milhoes de dolares, taxa de cambio

(TCI) e o Produto Interno Bruto representando a renda nacional (RN), no perodo
de 1980 a 1998
IM TCI RN IM TCI RN
5482 1.629 82.17 4046 1.423 109.40
5749 1.517 88.80 5495 1.356 111.36
6043 1.331 87.94 5173 1.244 105.50
5679 1.181 85.28 4576 1.046 97.60
5605 1.315 82.06 4265 1.091 96.39
5565 1.217 86.49 5474 1.091 106.01
5610 1.177 82.62 6345 1.300 100.01
5309 1.135 78.30 4330 1.380 91.70
4804 1.434 78.34 5034 1.354 104.02
4872 1.306 87.11 5614 1.314 108.26
5071 1.209 85.77 6015 1.452 101.05
4646 1.156 80.91 4630 1.499 97.02
3824 1.740 75.88 4725 1.626 101.71
3651 2.004 83.65 5221 1.467 103.80
3907 1.957 82.80 5976 1.441 101.30
4044 1.959 80.10 5230 1.421 99.90
3155 1.971 79.10 6007 1.388 106.90
3406 2.015 87.59 7328 1.340 108.92
3730 2.024 87.19 6914 1.305 106.01
3623 2.027 85.94 6049 1.283 104.01
3094 2.036 84.55 7087 1.279 109.66
3016 2.219 92.47 8023 1.075 115.30
3132 2.201 95.23 11814 0.957 116.45
3925 2.131 94.44 12065 0.942 113.92
3352 2.013 90.69 13651 0.955 116.09
2760 2.023 99.48 11917 0.951 115.67
3661 1.991 102.87 12030 0.970 114.93
4270 1.924 101.15 10738 0.980 111.63
3565 1.832 97.65 12478 0.995 118.06
3610 1.792 106.21 14235 1.012 122.90
3987 1.914 103.45 15837 1.030 120.69
3888 1.789 101.10 13150 1.049 116.90
3516 1.692 97.72 15405 1.067 123.85
3349 1.657 105.78 16930 1.086 126.37
3776 1.643 105.84 15873 1.106 122.55
3963 1.607 98.87 13415 1.126 118.11
3548 1.557 95.01 14591 1.147 125.74
8.0 8.5 9.0 9.5 1.0 1.4 1.8 2.2
10000 16000
IM
4000
8.0 8.5 9.0 9.5
logIM
0.00025
invIM
0.00005
2.2
1.8
TCI
1.4
1.0
120
RN
100
80
4000 10000 16000 0.00005 0.00025 80 100 120
Figura 6.3: Graficos de dispersao - valores observados e transformados e variaveis

explanatorias
Inicialmente, ajusta-se o modelo de regressao linear normal, supondo-se que
IMi = 0 + 1 T CIi + 2 RNi + i , i = 1, 2, . . . , 74,
em que os i s sao erros aleatorios com as suposicoes usuais de um modelo de regressao

normal linear, isto e, i N(0, 12 ). Como esperado, a Figura 6.4 mostra a falta de
ajuste desse modelo, por meio dos graficos dos valores observados versus valores ajustados,
resduos studentizados versus valores ajustados e resduos studentizados versus versus TCI
e RN. Ve-se que as suposicoes de homocedasticidade e independencia dos erros aleatorios
sao violadas.
Resultados semelhantes para os graficos de verificacao de ajuste foram obtidos,
supondo-se
log(IMi ) = 0 + 1 T CIi + 2 RNi + i , i = 1, 2, . . . , 74,
em que i N(0, 22 ) e, tambem, para o modelo em que IMi N(i , 32 ) com i =

0 + 1 T CIi + 2 RNi . A Figura 6.5 confirma a falta de ajuste adequado desses tres
modelos fazendo-se suposicao de distribuicao normal para a variavel resposta com funcoes
de ligacao identidade e logartmica ou suposicao de distribuicao normal para o logaritmo
da variavel resposta com funcao de ligacao identidade.
Normal(identidade) Normal(identidade)
10000 12000 14000 16000
2
1
valor observado
resduos
0
8000
6000
1
4000
2
2000 4000 6000 8000 10000 12000 2000 4000 6000 8000 10000 12000
valor ajustado valor ajustado
Normal(identidade) Normal(identidade)
2
2
1
1
resduos
resduos
0
0
1
1
2
1.0 1.2 1.4 1.6 1.8 2.0 2.2 80 90 100 110 120
TCI RN
Figura 6.4: Importacao - Graficos para verificacao de ajuste, distribuicao normal
Normal(identidade) logNormal(identidade) Normal(log)

0.4
4000
2000
0.2
1000
2000
0.0
Residuo
Residuo
Residuo
0
0
1000
0.2
2000
2000
0.4
3000
4000
2 1 0 1 2 2 1 0 1 2 2 1 0 1 2
Theoretical Quantiles Theoretical Quantiles Theoretical Quantiles
Figura 6.5: Importacao - Graficos normais de probabilidade, supondo-se distribuicao

nomal
E importante notar que o desvio para modelos com distribuicoes contnuas de-
pende da escala dos dados como mostra a Tabela 6.6, nao servindo, portanto, como es-
tatstica para verificacao de ajuste. No caso da distribuicao normal, os desvios residuais
sao chamados de Somas de Quadrados Residuais. Verifica-se, tambem, que a estatstica
AIC depende da escala da variavel resposta (IM ou log(IM)).
Tabela 6.6: Resumo do ajuste do modelo linear generalizado normal para diferentes
funcoes de ligacao.
Variavel resposta F. de Ligacao Desvio Residual AIC
IM 315765900 2109 1347,7
log(IM) 4,0 0,2382 2,6
IM log 146543227 1436,7 1290,9
Tabela 6.7: Resumo do ajuste do modelo linear generalizado gama para diferentes
funcoes de ligacao.
F. de Ligacao Desvio AIC
1/ 0,0307 2,294 1240,9
log 0,0524 3,908 1280,6
0,0892 6,191 1315,0
Modelos alternativos podem ser usados, supondo-se que IMi G(i , ) com as
funcoes de ligacao canonica (inversa), logartmica e identidade. A Tabela 6.8 mostra um
resumo, considerando o ajuste para esses tres casos. Ve-se que o modelo com menor AIC
e aquele com distribuicao gama e funcao de ligacao canonica (inversa). Entretanto, seria
interessante completar com estudos de simulacao e testes bootstrappara a escolha do
melhor modelo.
A Figura 6.6 mostra os graficos dos valores ajustados versus valores observados e os
graficos normais de probabilidade desses tres modelos fazendo-se suposicao de distribuicao
gama para a variavel resposta com funcoes de ligacao inversa, identidade e logartmica,
confirmando o modelo escolhido.
Outros estudos referentes a pontos discrepantes e/ou influentes sao necessarios.
Um resumo das estatsticas para o modelo escolhido encontra-se na Tabela 6.8.
Gamma(inversa) Gamma(identity) Gamma(log)
16000
16000
16000
14000
14000
14000
12000
12000
12000
valor observado
valor observado
valor observado
10000
10000
10000
8000
8000
8000
6000
6000
6000
4000
4000
4000
4000 6000 8000 10000 12000 14000 4000 6000 8000 10000 4000 6000 8000 10000 12000
valor ajustado valor ajustado valor ajustado
Gamma(inversa) Gamma(identity) Gamma(log)
0.4
0.6
0.4
0.4
0.2
0.2
0.2
0.0
Residuo
Residuo
Residuo
0.0
0.0
0.2
0.2
0.2
0.4
0.4
0.4
2 1 0 1 2 2 1 0 1 2 2 1 0 1 2
Theoretical Quantiles Theoretical Quantiles Theoretical Quantiles
Figura 6.6: Importacao - Graficos dos valores ajustados versus valores observados,
supondo-se distribuicao gama
Tabela 6.8: Resumo do ajuste do mlg gama com funcao de ligacao inversa log(1/).
Parametro Estimativa e.p. t Pr(>|t|)
(Intercepto) 2.587e-04 4.372e-05 5.917 1.05e-07 ***
TCI 1.413e-04 1.320e-05 10.699 < 2e-16 ***
RN -2.729e-06 2.891e-07 -9.439 3.64e-14 ***
Captulo 7
Aplicacoes a dados discretos

Neste Captulo serao apresentadas analises para tres conjuntos de dados.
7.1 Dados binarios e proporcoes
7.1.1 Estimacao da dose efetiva e seu intervalo de confianca

Como ja foi visto no Captulo 2, ensaios do tipo dose-resposta sao muito usados na
area de toxicologia. Em geral, os dados resultantes sao proporcoes e os modelos mais usados
sao logstico, probit e complemento log-log. Tais modelos, ajustados a conjuntos de dados,
no caso em que o preditor linear e uma regressao linear simples, podem ser usados para
sumariza-los atraves do par de estimativas (0 , 1 ) dos parametros e formam a base para
comparacao de diferentes conjuntos de dados (Morgan, 1992). Assim, por exemplo, podem
ser usados para a comparacao de potencia de diferentes produtos (inseticidas, fungicidas,
herbicidas etc).
Em muitos casos, porem, o interesse esta na determinacao de estimativas de doses
efetivas, p (DE100p ), que sao doses, as quais sob o modelo ajustado causam uma mudanca
de estado em 100p% dos indivduos. Um exemplo muito comum e a determinacao da
DL50 (tambem chamada dose mediana) que e a dose que causa 50% de mortalidade dos
indivduos. Assim, para os modelos citados tem-se:
p 1 p
logit(p) = log = 0 + 1 p p = (log 0 ), logstico;
1p 1 1p
117
1
probit(p) = 1 (p) = 0 + 1 p p = [1 (p) 0 ], probit;
1
1
log[ log(1 p)] = 0 + 1 p p =
{log[ log(1 p)] 0 }, clog-log e
1

1 (1 p) 1 1 (1 p)
log = 0 + 1 p p = log 0 , Aranda-Ordaz
(1 p) 1 (1 p)
(1981).
De uma forma geral, tem-se

F 1 (p) 0
p = = g(0 , 1 ), (7.1)
1
sendo F () uma f.d.a. de interesse.
Se p = 0, 50, verifica-se que, para qualquer modelo simetrico, portanto, incluindo
logstico e probit, a dose efetiva e obtida por
0
50 =
1
enquanto que para o modelo complemento log-log e dada por
log(log 2) 0
50 =
1
e para o modelo de Aranda-Ordaz, por

1 2 1
50 = log 0 .
1
E importante notar que se o modelo esta como funcao do logaritmo, em uma

base b qualquer, da dose, entao, p = logb dp e, portanto a dose efetiva e obtida fazendo-se
dp = bp .
Lembrando que 0 N(0 , Var(0 )), 1 N(1 , Var(1 )) e Cov(0 , 1 ) 6= 0,
isto e, N(, V) em que V = Cov() e a matriz de variancias e covariancias dos
estimadores dos parametros (inversa da matriz de informacao de Fisher), os metodos mais
comumente usados para a construcao de intervalos de confianca para doses efetivas sao: o
metodo Delta, o de Fieller e o da razao de verossimilhancas (perfil de verossimilhancas)
(Collet, 2002; Morgan, 1992).
Metodo Delta
Fazendo-se uma expansao de Taylor de primeira ordem para a expressao (7.1) de
g(0 , 1 ) em torno de (0 , 1 ) tem-se:
g(0 , 1 ) g(0 , 1 )
g(0 , 1 ) = g(0 , 1 ) + (0 0 ) |(0 ,1 ) +(1 1 ) |(0 ,1 ) ,
0 1
!
g(0 , 1 ) g(0 , 1 ) 1 F 1 (p) 0
em que T = |(0 ,1 ) , |(0 ,1 ) = , .
0 1 1 12
Logo,
d p ) = T V = 1 {Var(
Var( d 0 ) + p2 Var(
d 1 ) + 2p Cov(
d 0 , 1 )}.
2
1
Assintoticamente, g() N(g(), T V) e, portanto, um intervalo de confianca

para a dose efetiva p e dado por:
q
IC(p ) : p z/2 d p ).
Var(
Uma desvantagem desse intervalo de confianca e ser sempre simetrico, e, alem

disso, estar baseado na distribuicao normal assintotica de g().
Metodo baseado no teorema de Fieller

O teorema de Fieller e um resultado geral que permite a obtencao de intervalos
de confianca para razoes de duas variaveis aleatorias normalmente distribudas.
F 1 (p) 0
Suponha que p = e considere a funcao = 0 F 1 (p) + 1 p .
1
Entao, E() = 0 F 1 (p) + 1 p = 0 e Var() = Var(0 ) + 2p Cov(0 , 1 ) + Var(1 ).
Portanto, 1 p + 0 F 1 (p) N(0, Var()) e
[1 p + 0 F 1 (p)]2
N(0, 1).
Var(0 ) + 2p Cov(0 , 1 ) + p2 Var(1 ))
Logo, um intervalo de confianca para p pode ser obtido como a solucao da in-
equacao
[1 p + 0 F 1 (p)]2 2
< z/2 ,
Var(0 ) + 2p Cov(0 , 1 ) + p2 Var(1 )
sendo que os limites do intervalo de confianca serao dados pelas razes da correspondente
equacao de segundo grau. No caso de razes complexas, o intervalo nao existira. Em geral,
os resultados sao semelhantes aos obtidos pelo metodo delta. Uma outra alternativa e o
metodo baseado na razao de verossimilhancas, que nao sera tratado aqui.
Exemplo 7.1: Usando-se os dados do Exemplo 4.5, e calculando-se a dose letal que
mata 50% dos insetos e os intervalos de confianca com um coeficiente de confianca de 90%
de probabilidade, pelos 3 metodos obtiveram-se os resultados:
3, 226
i) dose letal: 50 = = 5, 33;
0, 6051
ii) intervalos de confianca:

Fieller: 4, 8 < 50 < 5, 9,
Delta: 4, 8 < 50 < 5, 9,
Perfil de verossimilhanca: 5, 0 < 50 < 5, 7.
7.1.2 Paralelismo entre retas no modelo logstico linear

Na area de toxicologia e muito comum o interesse na comparacao da eficiencia
de produtos (fungicidas, inseticidas, herbicidas, medicamentos etc) ou tratamentos.
Considerando-se o modelo logstico linear com uma variavel quantitativa x (dose ou
log(dose)) e k produtos a serem testados, os preditores lineares a serem considerados sao:
logit(pij ) = j + j log(dosei ) retas concorrentes
logit(pij ) = j + log(dosei ) retas paralelas
logit(pij ) = + j log(dosei ) retas com intercepto comum
logit(pij ) = + log(dosei ) retas coincidentes.
para j = 1, . . . , k. O ajuste desses modelos aos dados e testado atraves das diferencas dos
desvios residuais. No caso em que existem evidencias de que o modelo de retas paralelas
(p)
ajusta-se bem aos dados, tem-se, entao, que a dose efetiva (j ) para 100p% dos indivduos
e obtida a partir de:
p (p)
logit(p) = log = j + j , j = 1, . . . , k.
1p
Portanto, para j 6= j 0 , tem-se
j j 0 (p) (p)
= j 0 j .

Se x = log(d), entao,
(p) (50)
j j 0 dj j j 0 DEj 0
= log (p)
= log jj 0 jj 0 = = (50)
dj DEj
sendo jj 0 a estimativa da eficiencia relativa jj 0 do produto j em relacao ao j 0 e

(p) (p)
log[dj ] log[dj ], medindo a diferenca horizontal entre as duas retas paralelas. Portanto,
jj 0 e a razao de duas doses igualmente efetivas. Intervalos de confianca para jj 0 podem
ser obtidos pelos metodos Delta, de Fieller e da razao de verossimilhancas (perfil de
verossimilhancas) (Morgan, 1992; Collet, 2002).
Exemplo 7.2: Resistencia a cypermethrin

Amostras de 20 insetos, Heliothis virescens (praga do algodao), resistentes
a cypermethrin, foram expostas a doses crescentes do inseticida, dois dias depois da
emergencia da pupa (Collet, 2002). Apos 72h foram contados os numeros de insetos
mortos e os resultados obtidos estao na Tabela 7.1.
Tabela 7.1: Numeros de insetos machos mortos em amostras de 20 insetos machos e

femeas expostos a doses (di ) crescentes de cypermethrin
Numero de insetos mortos

Doses (di ) Machos Femeas
1,0 1 0
2,0 4 2
4,0 9 6
8,0 13 10
16,0 18 12
32,0 20 16
Consideracoes
Variavel resposta: Yi numero de insetos mortos em amostras de tamanho mi = 20
Distribuicao: Binomial
Parte sistematica: completamente casualizado, modelos de regressao.
Objetivo: determinacao de doses letais.
A Tabela 7.2 apresenta os desvios residuais, estatsticas X 2 e seus respectivos
numeros de graus de liberdade (g.l.) e a Tabela 7.3, a Analise de desvios.
Tabela 7.2: Desvios residuais

Modelo g.l. Desvios Valor de p X 2 Valor de p
Constante 11 124,9 < 0, 0001 101,4 < 0, 0001
Sexo 10 118,8 < 0, 0001 97,4 < 0, 0001
Dose 6 15,2 0, 0191 12,9 0, 0446
Sexo + Dose 5 5,0 0, 4146 3,7 0, 5933
Ve-se que existem evidencias de que o modelo com preditor linear com dois fatores,
sexo (com dois nveis, j = 1, 2) e dose (com 6 nveis, k = 1, . . . , 6, em princpio sem levar
em consideracao o fato de serem quantitativos), ajusta-se bem aos dados, enquanto que os
modelos mais simples, nao.
Tabela 7.3: Analise de Desvios

Causas de Variacao g.l. Desvios Valor de p
Sexo 1 6,1 0,0144
Sexo|Dose 1 10,1 0,0002
Dose 5 109,7 < 0, 0001
Dose|Sexo 5 113,8 < 0, 0001
Resduo 5 5,0 0,5841
Total 11 124,9
Pela Tabela 7.3 verifica-se que ha evidencias para efeito significativo de sexo e de
dose. Note-se, ainda, que os desvios para sexo ignorando dose e, para sexo ajustado para
dose, sao diferentes devido a nao ortogonalidade por se estar considerando a distribuicao
binomial. O mesmo ocorre para dose ignorando sexo e, para dose ajustada para sexo.
Pode-se, ainda, tentar uma simplificacao desse modelo, considerando que dose e um fator
quantitativo. Se for usado como preditor linear um polinomio com x = dose, verifica-se
que ha necessidade de grau 3. Como, porem, as doses estao em progressao geometrica e
conveniente usar como variavel regressora x = log2 (dose), considerando-se os modelos de
retas concorrentes, paralelas, com intercepto comum e coincidentes. Os resultados para o
desvio e a estatstica X 2 residuais estao apresentados na Tabela 7.4.

Constante 11 124,9 < 0.0001 101,4 < 0, 0001
Sexo + Sexo.log(dose) 8 4,99 0, 7586 3,51 0, 8991
Sexo + log(dose) 9 6,75 0, 6621 5,31 0, 8074
Const. + Sexo.log(Dose) 9 5,04 0, 8308 3,50 0, 9411
Const. + log(Dose) 10 16,98 0, 0748 14,76 0, 1395
Pela Tabela 7.4, ve-se que existem evidencias que os modelos com retas concor-
rentes, paralelas e com intercepto comum ajustam-se bem aos dados. Tem-se, ainda, que
as diferencas de deviances entre os modelos com retas paralelas e retas concorrentes (6,76 -
4,99 = 1,77) e entre os modelos com intercepto comum e retas concorrentes (5,04 - 4,99 =
0,05), ambas com 1 grau de liberdade, nao sao estatisticamente significativas. Utilizando de
parcimonia e facilidade de interpretacao opta-se pelo modelo de retas paralelas. A Tabela
7.5 traz a analise de desvios para o modelo escolhido.

Causas de Variacao g.l. Desvios Valor de p
Sexo 1 6,1 0,0144
Regressao Linear 1 112,0 < 0, 0001
Resduo 9 6,8 0,7473
Total 11 124,9
A partir do modelo escolhido obtem-se, entao, respectivamente, para machos e
femeas, as equacoes:
pi
log = 2, 372 + 1, 535 log2 (dosei ) - machos,
1 pi
pi
log = 3, 473 + 1, 535 log2 (dosei ) - femeas;
1 pi
e as doses que matam 50% dos insetos

50 ) = 2, 372 = 1, 54 DL50 = 4, 68 - machos,
log2 (DL
1, 535
50 ) = 3, 473 = 2, 26 DL50 = 9, 61 - femeas.
log2 (DL
1, 535
1.0
*
*
0.8
+
Proportions
*
0.6
+
+
*
0.4
+
0.2
*
+
+*
0.0
1 2 5 10 20
log(dose)
Figura 7.1: Cypermetrin - Proporcoes observadas e curvas ajustadas
Verifica-se que as femeas sao mais resistentes, pois para matar 100p% das femeas
ha necessidade de uma dose 2 vezes maior do que para matar 100p% dos machos. Pode-se
verificar que a dose letal para p = 0, 9 para as femeas esta fora do intervalo estudado o
que e perigoso pois acima da dose 32 nao se sabe se o comportamento sera o mesmo. Se
o interesse estiver na estimacao dessa dose ha necessidade de se aumentar a amplitude
de doses para femeas em um novo experimento. Necessaria se faz ainda uma analise de
residuos e diagnosticos. A Figura 7.1 mostra o grafico das curvas ajustadas e os valores
observados. O programa em R encontra-se no Apendice.
Exemplo 7.3: Potencia relativa - Mortalidade do besouro da farinha

Grupos de insetos (Tribolium castaneum, praga da farinha) foram expostos a doses
(mg/l) crescentes de de DDT, -BHC e mistura dos dois. Depois de 6 dias foram contados
os numeros de insetos mortos e os resultados obtidos estao na Tabela 7.6 (Collet, 2002).
Tabela 7.6: Proporcoes de insetos mortos quando expostos a doses crescentes de

DDT, -BHC e mistura dos dois.
Inseticida log(Doses)
2,00 2,64 3,48 4,59 6,06 8,00
DDT 3/50 5/49 19/47 19/50 24/49 35/50
-BHC 2/50 14/49 20/50 27/50 41/50 40/50
DDT + -BHC 28/50 37/50 46/50 48/50 48/50 50/50
Consideracoes
Variavel resposta: Yi numero de insetos mortos em amostras de tamanho mi
Distribuicao: Binomial
Parte sistematica: completamente casualizado, modelos de regressao.
Objetivo: determinacao de doses letais e comparacao de inseticidas.
A Tabela 7.7 apresenta os desvios e as estatsticas X 2 residuais e seus respectivos

numeros de graus de liberdade (g.l.) e a Tabela 7.8, a Analise de desvios, considerando-se
o modelo logstico.
Ve-se que existem evidencias de que o modelo com preditor linear com dois fatores,
inseticida (com tres nveis, j = 1, 2, 3) e dose (com 6 nveis, k = 1, . . . , 6, em princpio sem
levar em consideracao o fato de serem quantitativos), ajusta-se bem aos dados, enquanto
que os modelos mais simples, nao.

Modelo d.f. Desvios Valor de p X 2 Valor de p
Constante 17 413,6 < 0, 0001 347,1 < 0, 0001
Inseticida 15 234,7 < 0, 0001 215,0 < 0, 0001
Dose 12 242,6 < 0, 0001 218,9 < 0, 0001
Inseticida + Dose 10 12,8 0, 2316 11,8 0, 2989

Causas de variacao g.l. Desvios Valor de p
Inseticida 2 178,9 < 0, 0001
Inseticida|Dose 2 229,8 < 0, 0001
Dose 5 171,0 < 0, 0001
Dose|Inseticida 5 221,8 < 0, 0001
Resduo 10 12,8 0,2316
Total 17 413,6
Pela Tabela 7.8 verifica-se que ha evidencias para efeito significativo de inseticida
e de dose. Note-se, ainda, que os desvios para inseticida ignorando dose e, para inseticida
ajustado para dose, sao diferentes devido a nao ortogonalidade por se estar considerando
a distribuicao binomial. O mesmo ocorre para dose ignorando inseticida e, para dose ajus-
tada para inseticida. Pode-se, ainda, tentar uma simplificacao desse modelo, considerando
que dose e um fator quantitativo. Se for usado como preditor linear um polinomio com
x = log(dose), considerando-se os modelos de retas concorrentes, paralelas, com inter-
cepto comum e coincidentes. Os resultados para o desvio e a estatstica X 2 residuais estao
apresentados na Tabela 7.9.
Pela Tabela 7.9, ve-se que existem evidencias que os modelos com retas concor-
rentes e paralelas ajustam-se bem aos dados. Tem-se, ainda, que a diferenca de desvios
entre os modelos com retas paralelas e retas concorrentes com 2 graus de liberdade, nao

Constante 17 413,6 < 0, 0001 347,1 < 0, 0001
Inseticida + Inseticida log(dose) 12 17,9 0, 1191 17,6 0, 1280
Inseticida + log(dose) 14 21,2 0, 0946 20,3 0, 1203
Const. + Inseticida log(dose) 14 24,7 0, 0375 28,0 0, 0141
Const. + log(dose) 16 246,8 < 0, 0001 219,8 < 0, 0001
e estatisticamente significativa. Utilizando de parcimonia e facilidade de interpretacao

opta-se pelo modelo de retas paralelas cuja analise de desvios esta na Tabela 7.10.

Causas de variacao d.f. Desvios Valor de p
Inseticida 2 178,9 < 0, 0001
Regressao Linear 1 213,4 < 0, 0001
Resduo 14 21,2 0, 0946
Total 17 413.6
A partir do modelo escolhido obtem-se, entao, as equacoes:

pi
DDT: log = 3, 8425 + 2, 6958 log(dosei )
1 pi
pi
-BHC: log = 4, 5553 + 2, 6958 log(dosei )
1 pi
pi
DDT + -BHC: log = 1, 4248 + 2, 6958 log(dosei )
1 pi
as doses que matam 50% dos insetos

50 ) = 3, 8425 = 1, 42 LD50 = 4, 16
DDT: log(LD
2, 6958
50 ) = 4, 5553 = 1, 69 LD50 = 5, 42
-BHC: log(LD
2, 6958
50 ) = 1, 4248
DDT + -BHC: log(LD = 0, 53 LD50 = 1, 70
2, 6958
e as potencias relativas
4, 16
da mistura em relacao ao DDT: = 2, 45
1, 696
5, 417
da mistura em relacao ao -BHC: = 3, 19,
1, 696
mostrando evidencia de sinergismo, isto e, a mistura dos inseticidas potencializa o efeito.

Necessaria se faz ainda uma analise de residuos e diagnosticos. A Figura 7.2 mostra o
grafico das curvas ajustadas e os valores observados. O programa em R encontra-se no
Apendice.
1.0
+
0.8
+
2

+ + *
Logit(proporoes)

0.6
1
proporoes
* +
+ *
0
*
0.4
+
* +
*
* *
+
1
+
0.2
2
*
*
* *
+
0.0
3
2 3 4 5 6 7 8 2 3 4 5 6 7 8
dose dose
Figura 7.2: Tribolium - Proporcoes observadas e curvas ajustadas

7.2 Dados de contagem
7.2.1 Modelo de Poisson

Exemplo 7.4: Armazenamento de microorganismos
A Tabela 7.11 mostra concentracoes de bacterias (contagens por area fixa) feitas
no congelamento inicial (70o C) e apos 1, 2, 6 e 12 meses (Francis et al., 1993).
Tabela 7.11: Concentracoes de bacterias por area fixa
Tempo 0 1 2 6 12
Contagem 31 26 19 15 20
Pode-se supor, inicialmente, que Y , o numero de bacterias por area fixa, segue
distribuicao Poisson com media , isto e, Y P(). Alem disso, em geral, espera-se que
a contagem media decresca com o tempo, isto e,
1
i
(tempo)
e, portanto,
log i = 0 + 1 log(tempoi + 0, 1),
sendo a constante 0, 1 adicionada para evitar problemas com o tempo 0. A Tabela 7.7
apresenta os desvios e as estatsticas X 2 residuais e seus respectivos numeros de graus de
liberdade (g.l.) e a Tabela 7.8, a Analise de desvios, considerando-se o modelo logstico.

Modelo g.l. Desvios X2
Constante 4 7,0672 7,1532
log(Tempo) 3 1,8338 1,8203
Pela Tabela 7.12 ve-se que existem evidencias de que o modelo com preditor linear
com log(tempo), ajusta-se bem aos dados, enquanto que o modelo nulo, nao. Pela Tabela

Causas de variacao g.l. Desvios Valor de p
Linear Regression 1 5,2334 0, 0222
Error 3 1,8338
Total 4 7,0672
7.13 verifica-se que ha evidencias para efeito significativo de regressao linear. A equacao
da curva ajustada e dada por
log(i ) = 3, 149 0, 1261 log(tempoi )
que pode ser observada na Figura 7.2.1 juntamente com os valores observados. Necessaria
se faz ainda uma analise de resduos e diagnosticos. O programa em R encontra-se no
Apendice.
*
30
*
25
Counts
20
*
*
15
0 2 4 6 8 10 12
Time in months
Figura 7.3: Concentracoes de bacterias por area fixa: valores observados e curva
ajustada
7.2.2 Modelos log-lineares para tabelas 2 2

Considere a tabela de contingencia 2 2 que se segue, em que mij sao contagens associadas
aos fatores A e B.
B
A 1 2
1 y11 y12 y1.
2 y21 y22 y2.
m.1 y.2 y..
Uma forma de se medir a associacao entre os fatores A e B e por meio da razao
das chances, dada por:
y11 y22
Razao de chances observada = =
y12 y21
O interesse, em geral, esta em se saber se o valor obtido nao difere, estatisticamente, de 1,
isto e, no teste da hipotese H0 : = 1. Isso corresponde, ao teste de independencia para
tabelas de contingencia, como sera mostrado a seguir.
Pode-se supor, inicialmente, que Yij sao variaveis aleatorias com distribuicao
Poisson de media ij . Em geral, as distribuicoes marginais de A e B nao sao de interesse.
Os modelos de interesse, portanto, sao: o modelo de independencia e o modelo saturado.
(i) Modelo de independencia: A + B

Como visto no Captulo 2, o modelo sob independencia dos fatores A e B pode
ser expresso por
log ij = + i + j
ou ainda,
log ij = + A B
i + j i, j = 1, 2
com A B
1 = 1 = 0, isto e, com preditor linear log(ij ) conforme o quadro que se segue.
B
A 1 2
1 + B
2
2 + A A B
2 + 2 + 2
Verifica-se que o logaritmo da razao das chances e dado por
log = log(11 )+log(22 )log(12 )log(21 ) = (+A B B A

2 +2 )+(+2 )(+2 ) = 0,
isto e, a razao das chances = 1.

Alem disso, pode-se mostrar que
y1. y.1 y2. y.2
= log( ), A
2 = log( ) e B
2 = log( ).
y.. y1. y.1
Mas,
A B A B
y.. = e + e+2 + e+2 + e+2 +2
A B
= e (1 + e2 )(1 + e2 )
e, portanto,
y2. y.2
log y.. = + log(1 + ) + log(1 + )
y1. y.1
y.. y..
= + log( ) + log( )
y1. y1.
implicando em
y1. y.1 y1. y.1
= log(y.. ) = log( ),
y.. y.. y..
isto e,
y1. y.1
e = 11 = y.. = y.. 1. .1 (independencia)
y.. y..
De forma semelhante, obtem-se
B B y1. y.1 y.2
12 = e+2 = e e2 = y..
y.. y.. y.1
y1. y.2
= y.. = y.. 1. .2
y.. y..
(ii) Modelo saturado ou de interacao: AB A+B+A.B

O preditor linear nesse caso e dado por
log ij = + A B AB
i + j + ij i, j = 1, 2
com A B AB AB
1 = 1 = 1j = i1 = 0, isto e, preditor linear log(ij ) conforme quadro que se
segue
B
A 1 2
1 + B
2
2 + A A B AB
2 + 2 + 2 + 22
Pode-se mostrar que
y21 y12 y22 y11

= log(m11 ), A
2 = log( ), B
2 = log( ) e AB
22 = log( ) = log().
y11 y11 y12 y21
Tem-se, portanto, que o logaritmo da razao de chances corresponde ao parametro

de interacao e testar a hipotese H0 : = 1 log() = 0 e o mesmo que testar o efeito de
interacao no modelo Poisson log-linear.
Exemplo 7.5: Coletas de insetos em armadilhas adesivas

Considere os dados descritos no Exemplo 2.4 em que os insetos de uma determi-
nada especie coletados em armadilhas adesivas de duas cores foram sexados, tendo como
objetivo verificar se havia influencia da cor da armadilha sobre a atracao de machos e
femeas. Tem-se
246 32
Razao de chances observada = = = 1, 01
458 17
A Tabela 7.14 apresenta os desvios e as estatsticas X 2 residuais e seus respectivos

numeros de graus de liberdade (g.l.), considerando-se o modelo Poisson log-linear.

Model d.f. Desvios X2
Cor da armadilha + sexo 1 0,001254 0,001252
Cor da armadilha * sexo 0 0
Ve-se que existem evidencias que o modelo de independencia ajusta-se bem aos
dados. Como esperado o modelo de interacao (saturado) tem desvio e estatstica X 2 iguais
a zero. As estimativas dos parametros do modelo saturado sao:
estimativa e.p. parametro

1 5,505 0,0638 1
2 0,622 0,0790 armcor(2)
3 -2,672 0,2508 sexo(2)
4 0,011 0,3104 armcor(2).sexo(2)
E importante notar que o modelo saturado reproduz os dados e que o logaritmo

da razao de chances ajustada e = 0, 01098 resultando em = exp(0, 01098) = 1, 01.
As estimativas para o modelo de efeitos principais (independencia) sao:
estimativa e.p. parametro

1 5,505 0,0624 1
2 0,622 0,0764 armcor(2)
3 -2,665 0,1478 sexo(2)
Nota-se que agora o logaritmo da razao de chances e zero. Pela Tabela 7.14 tem-
se que a diferenca de desvios e 0, 00125 (p = 0, 9117), nao significativa, isto e, existem
evidencias para nao se rejeitar a hipotese que a razao de chances e igual a 1, isto e, nao ha
associacao entre sexo do inseto e preferencia por cor de armadilha adesiva.
APENDICE
A.1 Programa R para os dados do Exemplo 6.1 - Volume de arvore
# Libraries needed #
library(MASS)
library(car)
# Minitab Cherry Tree Data
# ========================
# Volume of usable wood in 31 black cherry trees from
# Minitab Student Handbook (1985), Ryan, Joiner and Ryan.
# D = diameter at 4.5 ft from ground (inches)
# H = height (feet)
# V = volume (cubic feet)
##trees<-read.table("Tree.dat", header=TRUE)
##require(trees)
data(trees, package=datasets)
data() # lists all datasets
attach(trees)
D<-trees[,1]
H<-trees[,2]
V<-trees[,3]
# first examine the data
par(mfrow=c(2,3))
hist(D, main="Girth")
hist(H, main="Height")
hist(V, main="Volume")
boxplot(D, main="Girth")
boxplot(H, main="Height")
boxplot(V, main="Volume")
#Scatterplot
pairs(trees)
plot(trees)
scatterplot.matrix(trees) # uses library(car)
## Fitted models ##
mod1<-lm(V~1)
mod2<-lm(V~D)
summary(mod2)
mod3<-lm(V~H)
summary(mod3)
mod4<-lm(V~D+H)
summary(mod4)
anova(mod1, mod4)
anova(mod1, mod2, mod4)
#################################################
# A set of four plots for diagnostics #
#################################################
n<-dim(trees)[1] # number of data
par(mfrow=c(2,2))
# Observed against fitted values #
plot(fitted(mod4),V)
identify(fitted(mod4),V) #click on the point, use ESC in R to esc
# abs(DFFitS) vs index #
plot(abs(dffits(mod4)))
abline(3*sqrt(mod4$rank/mod4$df.residual),0,lty=2)
identify(1:n,abs(dffits(mod4))) #click on the point, use ESC in R to esc
# QQplot with a simulated envelope #

qq.plot(mod4,simulate=TRUE,reps=19)
# Likelihood profile plot for Box-Cox f#

boxcox(mod4) # needs library(MASS)
##################################################
## Log transformed data ##

#Scatterplots
logD<-log(D)
logH<-log(H)
logV<-log(V)
ltrees<-cbind(logD,logH,logV)
pairs(ltrees)
## Fitted models ##
mod1<-lm(logV~1)
mod2<-lm(logV~logD)
summary(mod2)
mod3<-lm(logV~logH)
summary(mod3)
mod4<-lm(logV~logD+logH)
summary(mod4)
anova(mod1, mod4)
#################################################
# A set of four plots for diagnostics #
#################################################
n<-dim(trees)[1] # number of data
par(mfrow=c(2,2))
# Observed against fitted values #
plot(fitted(mod4),V)
identify(fitted(mod4),V)
# abs(DFFitS) vs index #
plot(abs(dffits(mod4)))
abline(3*sqrt(mod4$rank/mod4$df.residual),0,lty=2)
identify(1:n,abs(dffits(mod4)))
# QQplot with simulated envelope #

qq.plot(mod4,simulate=TRUE,reps=19)
# Likelihood profile plot for Box-Cox #

boxcox(mod4)
##################################################
A.2 Programa R para os dados do Exemplo 6.2 - Gordura no leite
# Average daily fat yields (kg/day) from milk

# from a single cow for each of 35 weeks
# McCulloch (2001)
# Ruppert, Cressie, Carroll (1989) - Biometrics, 45: 637-656
fatyield.dat<-scan(what=list(yield=0))
0.31 0.39 0.50 0.58 0.59 0.64
0.68 0.66 0.67 0.70 0.72 0.68
0.65 0.64 0.57 0.48 0.46 0.45
0.31 0.33 0.36 0.30 0.26 0.34
0.29 0.31 0.29 0.20 0.15 0.18
0.11 0.07 0.06 0.01 0.01
fatyield.dat$week=1:35
attach(fatyield.dat)
lweek<-log(week)
plot(weeks,yield, pch="*", xlab="Weeks", ylab="Fat yield (kg/day)",
main="Figura 1. Observed fat yield (kg/day) for each week")
## Normal model for log(fat)

lyield<-log(yield)
mod1<-lm(lyield~week+lweek)
summary(mod1)
fit1<-fitted(mod1)
## Normal model with log link

mod2<-glm(yield~week+lweek, (family=gaussian(link="log")))
fit2<-fitted(mod2)
# Plotting
plot(c(0,35), c(0,0.9), type="n", xlab="Weeks", ylab="Fat yield (kg/day)")
points(week,yield, pch="*")
w<-seq(1,35,0.1)
lines(w, predict(mod2,data.frame(week=w, lweek=log(w)),type="response"),
col="green", lty=1)
lines(w, exp(predict(mod1,data.frame(week=w, lweek=log(w)),type="response")),
col="red", lty=2)
legend(20,0.9,c("Observed","Log transformation", "Log link"), lty=c(-1,2,1),
pch=c("*"," "," "), col=c("black","red","green"),cex=.6)
title(sub="Figura 1. Fat yield (kg/day) for each week")
A.3 Programa R para os dados do Exemplo 6.3 - Importacao.
importa.dat <- scan()

5482 1.629 82.17
4046 1.423 109.40
5749 1.517 88.80
5495 1.356 111.36
6043 1.331 87.94
5173 1.244 105.50
5679 1.181 85.28
4576 1.046 97.60
5605 1.315 82.06
4265 1.091 96.39
5565 1.217 86.49
5474 1.091 106.01
5610 1.177 82.62
6345 1.300 100.01
5309 1.135 78.30
4330 1.380 91.70
4804 1.434 78.34
5034 1.354 104.02
4872 1.306 87.11
5614 1.314 108.26
5071 1.209 85.77
6015 1.452 101.05
4646 1.156 80.91
4630 1.499 97.02
3824 1.740 75.88
4725 1.626 101.71
3651 2.004 83.65
5221 1.467 103.80
3907 1.957 82.80
5976 1.441 101.30
4044 1.959 80.10
5230 1.421 99.90
3155 1.971 79.10
6007 1.388 106.90
3406 2.015 87.59
7328 1.340 108.92
3730 2.024 87.19
6914 1.305 106.01
3623 2.027 85.94
6049 1.283 104.01
3094 2.036 84.55
7087 1.279 109.66
3016 2.219 92.47
8023 1.075 115.30
3132 2.201 95.23
11814 0.957 116.45
3925 2.131 94.44
12065 0.942 113.92
3352 2.013 90.69
13651 0.955 116.09
2760 2.023 99.48
11917 0.951 115.67
3661 1.991 102.87
12030 0.970 114.93
4270 1.924 101.15
10738 0.980 111.63
3565 1.832 97.65
12478 0.995 118.06
3610 1.792 106.21
14235 1.012 122.90
3987 1.914 103.45
15837 1.030 120.69
3888 1.789 101.10
13150 1.049 116.90
3516 1.692 97.72
15405 1.067 123.85
3349 1.657 105.78
16930 1.086 126.37
3776 1.643 105.84
15873 1.106 122.55
3963 1.607 98.87
13415 1.126 118.11
3548 1.557 95.01
14591 1.147 125.74
importa.dat <-data.frame(matrix(importa.dat,74,3, byrow=T))

IM <- importa.dat[,1]
TCI <- importa.dat[,2]
RN <- importa.dat[,3]
invIM <- 1/IM
logIM <- log(IM)
importa.dat <-data.frame(IM,logIM,invIM,TCI,RN)
pairs(importa.dat)
# IM Normal como func~

ao de ligac~
ao identidade
importa.Nident<-glm(formula = IM ~ TCI + RN, family = gaussian(identity),data = impor
anova(importa.Nident, test="F")
summary(importa.Nident)
plot(fitted(importa.Nident),IM, xlab="valor ajustado", ylab="valor observado",
main="Normal(identidade)")
plot(fitted(importa.Nident), rstudent(importa.Nident), xlab="valor ajustado", ylab="r
plot(TCI, rstudent(importa.Nident), xlab="TCI", ylab="resduos",
plot(RN, rstudent(importa.Nident), xlab="RN", ylab="resduos",
qqnorm(resid(importa.Nident),ylab="Residuo",main="Normal(identidade)")
qqline(resid(importa.Nident))
# log(IM) Normal como func~

ao de ligac~
ao identidade
importa.logNident<-glm(formula = logIM ~ TCI + RN, family = gaussian(identity),
data = importa.dat)
anova(importa.logNident, test="F")
summary(importa.logNident)
plot(fitted(importa.logNident),logIM, xlab="valor ajustado", ylab="valor observado",
main="logNormal(identidade)")
plot(fitted(importa.logNident), rstudent(importa.logNident), xlab="valor ajustado", y
plot(TCI, rstudent(importa.logNident), xlab="TCI", ylab="resduos",
plot(RN, rstudent(importa.logNident), xlab="RN", ylab="resduos",
qqnorm(resid(importa.logNident),ylab="Residuo",main="logNormal(identidade)")
qqline(resid(importa.logNident))
# IM Normal como func~

ao de ligac~
ao logartmica
importa.Nlog<-glm(formula = IM ~ TCI + RN, family = gaussian(log),data = importa.dat)
anova(importa.Nlog, test="F")
summary(importa.Nlog)
plot(fitted(importa.Nlog),IM, xlab="valor ajustado", ylab="valor observado",
main="Normal(log)")
plot(fitted(importa.Nlog), rstudent(importa.Nident), xlab="valor ajustado", ylab="res
main="Normal(log)")
plot(TCI, rstudent(importa.Nlog), xlab="TCI", ylab="resduos",
main="Normal(log)")
plot(RN, rstudent(importa.Nlog), xlab="RN", ylab="resduos",
main="Normal(log)")
qqnorm(resid(importa.Nlog),ylab="Residuo",main="Normal(log)")
qqline(resid(importa.Nlog))
# IM Gama como func~

ao de ligac~
ao inversa
importa.Ginv<-glm(formula = IM ~ TCI + RN, family = Gamma(inverse),data = importa.dat
anova(importa.Ginv, test="F")
summary(importa.Ginv)
plot(fitted(importa.Ginv),IM, xlab="valor ajustado", ylab="valor observado",
main="Gamma(inversa)")
plot(fitted(importa.Ginv), importa.Ginv$deviance.resid, xlab="valor ajustado",
ylab="resduos", main="Gamma(inversa)")
plot(TCI, importa.Ginv$deviance.resid, xlab="TCI", ylab="resduos",
plot(RN, importa.Ginv$deviance.resid, xlab="RN", ylab="resduos",
qqnorm(resid(importa.Ginv),ylab="Residuo",main="Gamma(inversa)")
qqline(resid(importa.Ginv))

ao de ligac~
ao identidade
importa.Gident<-glm(formula = IM ~ TCI + RN, family = Gamma(identity),data = importa.
anova(importa.Gident, test="F")
summary(importa.Gident)
plot(fitted(importa.Gident),IM, xlab="valor ajustado", ylab="valor observado",
main="Gamma(identity)")
plot(fitted(importa.Gident), importa.Ginv$deviance.resid, xlab="valor ajustado", ylab
plot(TCI, importa.Gident$deviance.resid, xlab="TCI", ylab="resduos",
plot(RN, importa.Gident$deviance.resid, xlab="RN", ylab="resduos",
qqnorm(resid(importa.Gident),ylab="Residuo",main="Gamma(identity)")
qqline(resid(importa.Gident))

ao de ligac~
ao logartmica
importa.Glog<-glm(formula = IM ~ TCI + RN, family = Gamma(log),data = importa.dat)
anova(importa.Glog, test="F")
summary(importa.Glog)
plot(fitted(importa.Glog),IM, xlab="valor ajustado", ylab="valor observado",
main="Gamma(log)")
plot(fitted(importa.Glog), importa.Ginv$deviance.resid, xlab="valor ajustado", ylab="
main="Gamma(log)")
plot(TCI, importa.Glog$deviance.resid, xlab="TCI", ylab="resduos",
main="Gamma(log)")
plot(RN, importa.Glog$deviance.resid, xlab="RN", ylab="resduos",
main="Gamma(log)")
qqnorm(resid(importa.Glog),ylab="Residuo",main="Gamma(log)")
qqline(resid(importa.Glog))
A.4 Programa R para os dados do Exemplo 7.2 - Cypermethrin.
y <- c(1, 4, 9, 13, 18, 20, 0, 2, 6, 10, 12, 16)

sex<-factor(rep(c("M","F"), c(6,6))) ldose<-rep(0:5,2)
dose<-2**ldose dose<-factor(dose) Cyper.dat <- data.frame(sex,
dose, ldose, y) attach(Cyper.dat)
plot(ldose,y/20, pch=c(rep("*",6),rep("+",6)),col=c(rep("green",6),
rep("red",6)), xlab="log(dose)", ylab="Proportion killed")
resp<-cbind(y,20-y)
mod1<-glm(resp~1, family=binomial) mod2<-glm(resp~dose,

family=binomial) mod3<-glm(resp~sex, family=binomial)
mod4<-glm(resp~dose+sex, family=binomial) anova(mod1, mod2, mod4,
test="Chisq") anova(mod1, mod3, mod4, test="Chisq")
mod5<-glm(resp~ldose, family=binomial) mod6<-glm(resp~sex+ldose-1,

family=binomial) mod7<-glm(resp~ldose/sex, family=binomial)
mod8<-glm(resp~ldose*sex, family=binomial) anova(mod1, mod5, mod6,
mod8, test="Chisq") anova(mod1, mod5, mod7, mod8, test="Chisq")
summary(mod6)
plot(c(1,32), c(0,1), type="n", xlab="log(dose)",

ylab="Proportions", log="x") points(2**ldose,y/20,
pch=c(rep("*",6),rep("+",6)), col=c(rep("green",6),rep("red",6)))
ld<-seq(0,5,0.1) lines(2**ld, predict(mod6,data.frame(ldose=ld,
sex=factor(rep("M",length(ld)),levels=levels(sex))), type="response"),
col="green")
lines(2**ld, predict(mod6,data.frame(ldose=ld,
sex=factor(rep("F",length(ld)),levels=levels(sex))), type="response"),
col="red")
A.5 Programa R para os dados do Exemplo 7.3 - Tribolium.
# Collett(2002)- pag. 103

dose <- c(2.00,2.64,3.48,4.59,6.06,8.00)
dose <- c(rep(dose,3))
d <- as.factor(dose)
ldose<-log(dose)
y <- c(3,5,19,19,24,35,2,14,20,27,41,40,28,37,46,48,48,50)
m <- c(50,49,47,50,49,50,50,49,50,50,50,50,50,50,50,50,50,50)
insecticid<-as.factor(c(rep("DDT",6),rep("BHC",6),rep("DDT+BHC",6)))
Tribolium.dat <- data.frame(dose, y, m, insecticid)
attach(Tribolium.dat)
resp<-cbind(y,m-y)
pe=y/m
plot(dose,pe, pch=c(rep("*",6),rep("+",6), rep("-",6)),
col=c(rep("green",6), rep("red",6),rep("blue",6)),
xlab="Dose", ylab="Proporcoes de insetos mortos")
plot(ldose,pe, pch=c(rep("*",6),rep("+",6), rep("-",6)),
col=c(rep("green",6), rep("red",6),rep("blue",6)),
xlab="Log(Dose)", ylab="Proporcoes de insetos mortos")
mod1<-glm(resp~1, family=binomial)
1-pchisq(deviance(mod1), df.residual(mod1))
print(X2<-sum(residuals(mod1, pearson)^2))
1-pchisq(X2, df.residual(mod1))
mod2<-glm(resp~d, family=binomial)
mod3<-glm(resp~insecticid, family=binomial)
mod4<-glm(resp~insecticid+d, family=binomial)
summary(mod4)
anova(mod4, test="Chisq")
mod5<-glm(resp~insecticid+ldose-1, family=binomial)
summary(mod5, test="Chisq")
anova(mod1, mod2, mod4, test="Chisq")
anova(mod1, mod3, mod4, test="Chisq")
mod6<-glm(resp~ldose/insecticid, family=binomial)
summary(mod6)
mod7<-glm(resp~ldose, family=binomial)
mod8<-glm(resp~insecticid*ldose-insecticid, family=binomial)
mod9<-glm(resp~insecticid+ldose, family=binomial)
summary(mod9)
mod10<-glm(resp~insecticid*ldose, family=binomial)
summary(mod10)
plot(c(1.8,8), c(-3,3.5), type="n", xlab="dose", ylab="Logit(proporcoes)", log="x")

points(dose,log(pe/(1-pe)), pch=c(rep("*",6),rep("+",6), rep("-",6)),
col=c(rep("green",6), rep("red",6),rep("blue",6)))
ld<-seq(log(2),log(8),0.005)
lines(exp(ld), predict(mod5,data.frame(ldose=ld,
insecticid=factor(rep("DDT",length(ld)),levels=levels(insecticid))),
type="link"), col="green")
insecticid=factor(rep("BHC",length(ld)),levels=levels(insecticid))),
type="link"), col="red")
insecticid=factor(rep("DDT+BHC",length(ld)),levels=levels(insecticid))),
type="link"), col="blue")
plot(c(1.8,8), c(0,1), type="n", xlab="dose", ylab="proporcoes", log="x")

points(dose,pe, pch=c(rep("*",6),rep("+",6), rep("-",6)),
col=c(rep("green",6), rep("red",6),rep("blue",6)))
ld<-seq(log(2),log(8),0.005)
insecticid=factor(rep("DDT",length(ld)),levels=levels(insecticid))),
type="response"), col="green")
insecticid=factor(rep("BHC",length(ld)),levels=levels(insecticid))),
type="response"), col="red")
insecticid=factor(rep("DDT+BHC",length(ld)),levels=levels(insecticid))),
type="response"), col="blue")
A.6 Programa R para os dados do Exemplo 7.4 - Contagem de bacterias
# *** Bacterial concentrations of stored micro-organisms

# Glim4 Manual p531
ltime <- log((tim <- c(0, 1, 2, 6, 12))+ 0.1)
lcount <- log(count <- c(31, 26, 19, 15, 20))
bacteria.dat <- data.frame(tim, count, ltime, lcount)

attach(bacteria.dat)
par(mfrow=c(1,2))
plot(tim, count, xlab="Time in months", ylab="Counts")
plot(ltime,lcount, xlab="Log(time in months)", ylab="Log(counts)")
par(mfrow=c(1,1))
modl<-glm(count ~ tim, family=poisson)

anova(modl, test="Chisq")
mod2<-glm(count ~ ltime, family=poisson)

plot(c(0,12), c(15,31), type="n", xlab="Time in months", ylab="Counts")

points(tim,count,pch="*")
x<-seq(0,12,0.1)
lp<-predict(mod2,data.frame(ltime=log(x+0.1)), type="response")
lines(x,lp,lty=1)
A.7 Programa R para os dados do Exemplo 7.5 - Armadilhas adesivas
# 2 by 2 table - Traps
y <- c(246, 17, 458, 32)
armcor <- factor(c(1, 1, 2, 2))
sexo <- factor(c(1, 2, 1, 2))
count.dat <- data.frame(armcor, sexo, y)

attach(count.dat)
# calculate observed odds ratio

246*32/(17*458)
# now set up log linear model

mod1<-glm(y ~ armcor*sexo, family=poisson)
print(sum(residuals(mod1, pearson)^2))
summary(mod1)
# note that this model reproduces the data

# also the fitted log-odds ratio is 0.01098 giving a
# fitted odds-ratio of
exp(mod1$coef[4])
# the interaction term is not significant, so we

# cannot reject the hypothesis that the odds-ratio is 1,
# i.e. traps colour and sex are independent.
# refit simplest adequate model

# the main effects, or independence, model
mod2<-glm(y ~ armcor+sexo, family=poisson)
print(sum(residuals(mod1, pearson)^2))
summary(mod2)
Referencias Bibliograficas
Agresti, A. (2002). Categorical Data Analysis. John Wiley & Sons, New York, second
edition.
Aitkin, M.; Francis, B.; Hinde, J. (2005). Statistical modelling in GLIM 4. Oxford Univer-
sity Press, Oxford.
Anscombe, F. J. (1953). Contribution to the discussion of h. hotellings paper. J. R.

Statist. Soc. B, 15, 229230.
Anscombe, F. J. (1964). Normal likelihood functions. Ann. Inst. Statist. Math., 16, 119.
Aranda-Ordaz, F. (1981). On the families of transformations to additivity for binary

response data. Biometrika, 68, 357363.
Ashton, W. D. (1972). The Logit Transformation with Special Reference to its Uses in
Bioassay. Griffin, London.
Atkinson, A. C. (1981). Robustness, transformations and two graphical displays for outly-
ing and influential observations in regression. Biometrika, 68, 1320.
Atkinson, A. C. (1985). Transformations and Regression. Oxford University Press, Oxford.
Atkinson, A. C.; Davison, A. C.; Nelder, J. A.; OBrien, C. M. (1989). Model Checking.
Imperial College, London.
Barndorff-Nielsen, O. E. (1978). Information and exponencial families in statistical theory.

John Wiley & Sons, New York.
155
Belsley, D. A.; Kuh, E.; Welsch, R. E. (1980). Regression diagnostics: identifying influential
data and sources of collinearity. John Wiley, New York.
Berkson, J. (1944). Application of the logistic function to bioassay. J. R. Statist. Soc. B,

39, 357365.
Birch, M. W. (1963). Maximum likelihood in three-way contingency tables. J. R. Statist.

Soc. B, 25, 220233.
Bliss, C. I. (1935). The calculator of the dosage-mortality curve. Ann. Appl. Biol., 22,
134167.
Box, G. E. P.; Cox, D. R. (1964). An analysis of transformation. J. R. Statist. Soc. B, 26,

211252.
Collet, D. (2002). Modelling binary data. Chapman and Hall, London, second edition.
Cook, R. D.; Weisberg, S. (1982). Residuals and influence in regression. Chapman and
Hall, London.
Cordeiro, G. M. (1983). Improved likelihood ratio statistics for generalized linear models.
J. Roy. Statist. Soc. B, 45, 401413.
Cordeiro, G. M. (1986). Modelos lineares generalizados. VII SINAPE, UNICAMP.
Cordeiro, G. M. (1987). On the corrections to the likelihood ratio statistics. Biometrika,

74, 265274.
Cordeiro, G. M. (1993). Bartlett corrections and bias correction for two heteroscedastic
regression models. Communications in Statistics, Theory and Methods, 22, 169188.
Cordeiro, G. M. (1995). Performance of a Bartlett-type modification for the deviance.

Journal of Statistical Computation and Simulation, 51, 385403.
Cordeiro, G. M. (2004a). Corrected likelihood ratio tests in symmetric nonlinear regression

models. Journal of Statistical Computation and Simulation, 74, 609620.
Cordeiro, G. M. (2004b). On pearsons residuals in generalized linear models. Statistics
and Probability Letters, 66, 213219.
Cordeiro, G. M. (2004c). Second-order covariance matrix of maximum likelihood estimates

in generalized linear models. Statistics and Probability Letters, 66, 153160.
Cordeiro, G. M.; Barroso, L. P. (2007). A third-order bias corrected estimate in generalized

linear models. Test, 16, 7689.
Cordeiro, G. M.; Cribari-Neto, F.; Aubin, E. Q.; Ferrari, S. L. P. (1995). Bartlett correc-
tions for one-parameter exponential family models. Journal of Statistical Computation
and Simulation, 53, 211231.
Cordeiro, G. M.; McCullagh, P. (1991). Bias correction in generalized linear models. J.

Roy. Statist. Soc. B, 53, 629643.
Cox, D. R. (1970). Analysis of binary data. Chapman and Hall, London.
Cox, D. R. (1972). Regression models and life tables (with discussion). J. R. Statist. Soc.
B, 74, 187220.
Cox, D. R.; Hinkley, D. V. (1986). Theoretical Statistics. University Press, Cambridge.
Cox, D. R.; Snell, E. J. (1968). A general definition of residual (with discussion). J. R.

Statist. Soc. B, 30, 248275.
Demetrio, C. G. B.; Hinde, J. (1997). Half normal plots and overdispersion. GLIM Newslet-
ter, 27, 1926.
Dobson, A. J. (2001). An Introduction to Generalized Linear Models. Chapman &

Hall/CRC, London, second edition.
Dyke, G.; Patterson, H. (1952). Analysis of factorial arrangements when the data are
proportions. Biometrics, 8, 112.
Fahrmeir, L.; Kaufmann, H. (1985). Consistency and asymptotic normality of the max-
imum likelihood estimator in generalized linear models. The Annals of Statistics, 13,
342368.
Fahrmeir, L.; Tutz, G. (1994). Multivariate Statistical Modelling based on Generalized
Linear Models. Springer-Verlag, New York.
Feigl, P.; Zelen, M. (1965). Estimation of exponential survival probabilities with concomi-
tant information. Biometrics, 21, 826838.
Firth, D. (1991). Generalized linear models. In Hinkley, D.; Reid, N.; Snell, E., editors,
Statistical Theory and Modelling, pages 5582. Chapman & Hall.
Fisher, R. (1922). On the mathematical foundations of theoretical statistics. Philosophical

Transactions of the Royal Society, 222, 309368.
Fisher, R. (1935). The case of zero survivors (appendix to bliss, c.i. (1935)). Ann. Appl.
Biol., 22, 164165.
Fisher, R.; Yates, F. (1970). Statistical Tables for Biological, Agricultural and Medical
Research. Oliver and Boyd, Edinburgh.
Francis, B.; Green, M.; Payne, C. (1993). The GLIM system generalized linear iteractive
modelling. New York.
Gasser, M. (1967). Exponential survival with covariance. Journal of the American Statis-
tical Association, 62, 561568.
Haberman, S. (1970). The general log-linear model. PhD dissertation. Univ. of Chicago
Press, Chicago, Illinois.
Haberman, S. (1974). The analysis of frequence data. Univ. of Chicago Press, Chicago,
Illinois.
Hinde, J.; Demetrio, C. G. B. (1998a). Overdispersion: Models and estimation. Computa-

tional Statistics and Data Analysis, 27, 151170.
Hinde, J.; Demetrio, C. G. B. (1998b). Overdispersion: Models and Estimation. XIII

SINAPE, Sao Paulo.
Jorgensen, B. (1987). Maximum likelihood estimates and large samples inference for gene-
ralized linear and nonlinear regression models. Biometrika, 70, 1928.
Lee, Y.; Nelder, J. A.; Pawitan, Y. (2006). Generalized Linear Models with Random Effects.
Unified Analysis via H-likelihood. Chapman & Hall/CRC, London.
Martin, J. T. (1942). The problem of the evaluation of rotenone-containing plants. vi: The
toxicity of 1-elliptone and of poisons applied jointly, with further observations on the
rotenone equivalent method of assessing the toxicity of derris root. Annals of Applied
Biology, 29, 6981.
McCullagh, P.; Nelder, J. A. (1989). Generalized Linear Models. Chapman and Hall,
London, second edition.
McCulloch, C. E.; Searle, S. R. (2000). Generalized, Linear, and Mixed Models. John
Wiley & Sons, New York.
Mendenhall, P.; Scheaffer, R. L.; Wackerly, D. D. (1981). Mathematical Statistics with

Applications. Duxbury, Boston.
Molenberghs, G.; Verbeke, G. (2005). Models for discrete longitudinal data. Springer-
Verlag, New York.
Morgan, C. N. (1992). Analysis of Quantal Response Data. Chapman and Hall, London.
Morris, C. N. (1982). Natural exponential families with quadratic variance functions:

statistical theory. Annals of Statistics, 11, 515529.
Nelder, J. A. (1966). Inverse polynomials, a useful group of multifactor response functions.

Biometrics, 22, 128141.
Nelder, J. A.; Wedderburn, R. W. M. (1972). Generalized linear models. Journal of the

Royal Statistical Society, A, 135, 370384.
Paula, G. A. (2004). Modelos de Regressao com Apoio Computacional. IME/USP, Sao

Paulo.
Paulino, C. D.; Singer, J. M. (2006). Analise de dados categorizados. Editora Edgard

Blucher, Sao Paulo.
Pregibon, D. (1979). Data analytic methods for generalized linear models. PhD Thesis.
University of Toronto, Toronto.
Pregibon, D. (1980). Goodness of link tests for generalized linear models. Appl. Statist.,
29, 1524.
R Development Core Team (2006). R: A Language and Environment for Statistical Com-
puting. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0.
Rasch, G. (1960). Probabilistic Models for Some Intelligence and Attainment Tests. Dan-
marks Paedogogiske Institut, Copenhagen.
Ridout, M. S. (1990). Using Generalized Linear Models to Analyze Data from Agricul-
tural, and Horticultural Experiments. Departamento de Matematica e Estatstica da
ESALQ/USP, Piracicaba (nao publicado).
Ridout, M. S.; Fenlon, J. (1998). Statistics in Microbiology. Horticultural Station, East

Malling (Notes for workshop).
Ryan, B. F.; Joiner, B. L.; Ryan Jr., T. A. (1976). Minitab Student Handbook. Duxbury
Press, New York.
Silveira Neto, S.; Nakano, O.; Barbin, D.; Villa Nova, N. (1976). Manual de Ecologia dos
Insetos. Ed. Agronomica Ceres, Sao Paulo.
Theil, H. (1965). The analysis of disturbances in regression analysis. Journal of the

American Statistical Association, 60, 10671079.
Tukey, J. (1949). One degree of freedom for non-additivity. Biometrics, 5, 232242.
Wang, P. (1985). Adding a variable in generalized linear models. Technometrics, 27,

273276.
Weisberg, S. (2005). Applied linear regression. John Wiley, New York, third edition.
Wilks, S. (1938). The large sample distribution of the likelihood ratio for testing composite
hypotheses. Ann. Math. Statist., 9, 6062.
Zippin, C.; Armitage, P. (1966). Use of concomitant variables and incomplete survival
information in the estimation of an exponential survival parameter. Biometrics, 22,
665672.

Modelos Lineares Generalizados - Apostila Gauss Cordeiro

Enviado por

Direitos autorais:

Formatos disponíveis

Modelos Lineares Generalizados - Apostila Gauss Cordeiro

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Modelos Lineares Generalizados - Apostila Gauss Cordeiro

Enviado por

Direitos autorais:

Formatos disponíveis

Minicurso para o 12o SEAGRO e a 52a

Gauss Moutinho Cordeiro

Clarice G.B. Demetrio

1 Famlia Exponencial de Distribuicoes 1

2 Modelo Linear Generalizado 13

6 Aplicacoes a dados contnuos 105

7 Aplicacoes a dados discretos 117

1.2 Famlia exponencial uniparametrica

f (x; ) = h(x) exp [ () t(x) b() ], (1.1)

em que as funcoes (), b(), t(x) e h(x) assumem valores em subconjuntos

Exemplo 1.1: A distribuicao de Poisson P() de parametro > 0, usada para

Exemplo 1.2: A distribuicao binomial B(m, ), com 0 < < 1 e m conhecido,

Exemplo 1.3: A distribuicao de Rayleigh, usada para analise de dados contnuos

e, portanto, pertence a famlia exponencial com () = 1/(22 ), b() = log 2 ,

A famlia exponencial na forma canonica e definida a partir de (1.1), con-

f (x; ) = h(x) exp[x b()]. (1.2)

Na parametrizacao (1.2), e chamado de parametro canonico. O logaritmo da

`() = x b() + log[h(x)]

E(X) = b0 () e Var(X) = b00 (). (1.3)

O fato simples de se calcularem momentos da famlia exponencial (1.2) em

A equacao (1.4) implica que a distribuicao conjunta de X1 , . . . , Xn e,

1.3 Componente aleatorio

em que b() e c() sao funcoes conhecidas. Quando e conhecido, a famlia de

E(Y ) = = b0 () e Var(Y ) = b00 ().

Observa-se, entao, que e um parametro de dispersao do modelo e seu

Exemplo 1.4: A distribuicao normal de media R e variancia 2 > 0, tem

Distribuicao b() c(y, ) () V ()

Poisson: P() 1 log e log y! e

obtendo-se os elementos da primeira linha da Tabela 1.1, isto e,

o que mostra que a distribuicao N (, 2 ) pertence a famlia (1.5).

Exemplo 1.5: A distribuicao binomial tem funcao de probabilidade

obtendo-se os elementos da terceira linha da Tabela 1.1, isto e,

e, portanto, a distribuicao binomial pertence a famlia exponencial (1.5).

1.4 Funcao geradora de momentos

e, usando-se (1.8), tem-se:

A funcao geradora de cumulantes (f.g.c.) correspondente e, entao,

(t; , ) = log[M (t; , )] = 1 [b(t + ) b()]. (1.9)

Derivando-se (1.9), sucessivamente, em relacao a t, vem

(r) (t; , ) = r1 b(r) (t + ),

em que b(r) () indica a derivada de r-esima ordem de b() em relacao a t. Para t = 0,

r = r1 b(r) (). (1.10)

Como enfatizado anteriormente, podem-se agora deduzir, a partir de (1.10),

E(U ) = 1 [E(Y ) b0 ()] = 0 que implica em E(Y ) = b0 ()

Var(U ) = E(U 0 ) = 1 b00 () e Var(U ) = E(U 2 ) = 2 Var(Y ),

Var(Y ) = b00 ().

Note que, derivando-se (t) e fazendo-se t = 0, tem-se: 1 = , 2 = 2 e r = 0,

A Tabela 1.2 apresenta as funcoes geradoras de momentos para as dis-

Tabela 1.2: Funcoes Geradoras de Momentos para Algumas Distribuicoes

Distribuicao Funcao Geradora de Momentos M (t; , )

Exemplo 1.8: Se Y tem distribuicao beta com parametros 1 e 1 (1 ) e

Exemplo 1.9: Se Y tem distribuicao de Euler com media e f.d.p.

f (y; ) = exp{ log y log[()]},

tem-se t(y) = log y, = e Var(Y ) = que e do mesmo tipo que a funcao de

1.5 Estatstica suficiente

Pelo teorema da fatoracao de Neyman-Fisher e supondo conhecido, tem-se

f (y; , ) = g(t, ) h(y1 , . . . , yn ),

sendo que g(t, ) depende de e dos ys apenas atraves de t e h(y1 , . . . , yn ) independe

Modelo Linear Generalizado

i) a variavel resposta, componente aleatorio do modelo, tem uma distribuicao