Modelagem para dados de contagem longitudinais

A modelagem para dados de contagem é bastante utilizada em diversas áreas do conhecimento, como nas ciências biológicas, educação e saúde pública. O modelo comumente utilizado para analisar dados de contagem é o modelo de Poisson. Contudo quando os dados apresentam superdispersão o modelo mais indicado é o Binomial Negativo. Uma suposição do modelo de regressão tradicional é a independência entre as observações. No entanto, em muitos casos, os dados podem estar agrupados. Logo a suposição de independência entre as observações não é mais razoável e a correlação entre as observações devem ser consideradas. Estudos longitudinais são de particular interesse quando o objetivo é avaliar variações globais ou individuais ao longo do tempo. Este tipo de estudo considera a correlação entre as respostas dentro das unidades amostrais e a ordenação cronológica das respostas. Duas abordagens de regressão comumente utilizadas para analisar dados longitudinais são os modelos condicionais e os marginais. Neste trabalho, estas duas abordagens foram consideradas para ajustar os dados de contagem longitudinais e estudos de simulação, bem como aplicações a dados reais, foram realizados.

Data: 18/09/2015 (sexta-feira), às 11 horas da manhã.

Local: Sala 12, no andar térreo do Instituto de Matemática da UFBA.

Daniele de Brito Trindade

Graduada no curso de Bacharelado em Estatística pela Universidade Federal da Bahia em 2011 e mestre em Estatística pela Universidade Federal de Pernambuco em 2014. Atualmente é doutoranda em Estatística na Universidade Federal de Pernambuco. Tem experiência na área de Probabilidade e Estatística, atuando principalmente nos seguintes temas: diagnóstico e predição em modelos de regressão beta e modelagem para dados de contagem longitudinais.