Você está aqui: start » pessoais » wbonat » nutri

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anteriorRevisão anterior
Próxima revisão		Revisão anterior
pessoais:wbonat:nutri [2010/02/13 15:20] – wbonatpessoais:wbonat:nutri [2010/03/03 16:41] (atual) – wbonat
Linha 1: Linha 1:
-===== Aplicações de inferência bayesiana aproximada para modelos gaussianos latentes espaço temporais =====+== Curso INLA - ENSP/FIOCRUZ 04 a 06/03/2010 ==
  
-== Resumo ==+Praticamente tudo sobre a abordagem INLA pode ser encontrado na página do projeto http://www.r-inla.org.
  
-A família dos modelos gaussianos latentes é adaptável a uma grande quantidade de aplicações que requere modelagem complexa. Em particular, dados espaço-temporais estão entre as mais desafiadoras para modelagem estatística. O objetivo deste trabalho foi revisar algumas possíveis estratégias de modelagem para dados deste tipo, incluindo interações espaço-temporal. A inferência nesta classe de modelos é comumente realizada usando métodos computacionalmente intensivos, tais como, os algoritmos MCMC \textit{Markov Chain Monte Carlo}.Entretanto implementações rotineiras de tais algoritmos em problemas espaciais e/ou temporais não estão livres de problemas associados à dimensão e estrutura de dependências. Assim novos métodos e algoritmos para inferência nesta família de modelos têm sido propostos. Este trabalho revisou a abordagem 'INLA' '\textit{Integrated Nested Laplace Approximations}' proposta por RUE, MARTINO e CHOPIN (2009),  +=== Texto adicionais em Português ===
-que se mostrou eficiente para ajustar modelos altamente estruturados em diversas situações práticas.  +
-A nova metodologia de inferência foi aplicada a três problemas com diferentes objetivos e estruturas no conjunto de dados. Sempre que possível os modelos ajustados pelo INLA, foram confrontados com ajustes de modelos aditivos generalizados para verificar a concordância entre as abordagens, principalmente no que diz respeito ao modo como captam os efeitos espaciais e temporais. Os conjuntos de dados foram selecionados de modo a cobrir os modelos mais comumente usados na literatura.  +
-O primeiro conjunto refere-se a avaliações da qualidade da água, assumindo normalidade para a variável resposta.  +
-O segundo conjunto tem como resposta a contagens de ovos do mosquito \textit{Aedes aegypti} coletados em ovitrampas em Recife/PE,  +
-para a qual assume-se a distribuição binomial negativa.  +
-O terceiro conjunto corresponde a dados sobre a doença leprose-dos-citros, assumindo para a distribuição binomial para a variável resposta de presença ou ausência da doença.  +
-Nos três conjuntos de dados analisados foi feita ainda uma comparação entre os resultados obtidos pelas abordagens INLA e GAM (modelos aditivos generalizados).  +
-No primeiro problema os resultados produzidos pelas duas abordagens foram semelhantes. +
  
-Para o segundo conjunto algumas diferenças importantes foram encontradas, covariáveis que pela abordagem GAM eram indicadas como significativas, +{{:pessoais:wbonat:tesewagner.pdf| Aplicações de inferência Bayesiana aproximada para modelos Gaussianos latentes espaço temporais}}
  
-pela abordagem INLA foram indicadas como não significativas, embora com predições semelhantes para os efeitos espaciais e temporais.  +{{:pessoais:wbonat:explicandoinla.pdf| Um texto mais curto explicando os principais pontos do INLA}}
- +
-O último é mais desafiador exemplo, mostrou uma grande diferença entre as abordagens na forma como captam os efeitos espaciais e temporais.  +
- +
-De forma geral a abordagem GAM tende a suavizar demais estes efeitos e fornece intervalos de confiança pouco realísticos, ao passo que a abordagem INLA apresenta melhores resultados e intervalos de credibilidade para predições com melhor cobertura.  +
- +
-Neste caso não foi possível obter estimativas confiáveis de interações espaço-temporais. +
- +
-Nos três exemplos, medidas de concordância entre as observações e os modelos foram tomadas, foram elas: erro quadrático médio, erro absoluto médio, correlação entre observados e preditos e taxa de cobertura.  +
- +
-Por estas medidas em todos os exemplos analisados a abordagem INLA se mostrou mais flexiível e adequada a apresentou melhores resultados. +
- +
-====== Códigos dos exemplos ====== +
- +
-{{:pessoais:wbonat:iqa.r|Qualidade da água de reservatórios operados pela Copel no estado do Paraná}} +
- +
-{{:pessoais:wbonat:aedes.r|Investigando fatores associados a ocorrência de Aedes aegypti coletados em ovitrampas em Recife/PE}} +
- +
-{{:pessoais:wbonat:citrus.r| Análise do padrão espaço-temporal da leprose-dos-citrus}} +
- +
-====== Funções adicionais ====== +
- +
-{{:pessoais:wbonat:descritiva.r| Faz vários boxplots na mesma janela.}} +
- +
-{{:pessoais:wbonat:mat.inla.r| Escreve a matriz de interação na forma do INLA}} +
- +
-{{:pessoais:wbonat:restricoes.r| Constrói a matriz de restrições}} +
- +
-{{:pessoais:wbonat:mat.temporal.r| Constrói a matriz de um random walk de primeira ordem}} +
- +
-{{:pessoais:wbonat:mat.espacial.r| Constrói a matriz de um CAR espacial}} +
- +
-{{:pessoais:wbonat:grp2sp.r| Converte um arquivo da classe gpc para sp}} +
- +
-{{:pessoais:wbonat:voronoi.r| Constrói uma tecelagem de Voronoi com base em um conjunto de coordenadas}} +
- +

QR Code
QR Code pessoais:wbonat:nutri (generated for current page)