Capítulo 28 Modelos
28.1 Modelos estatísticos
28.1.1 O que é modelagem estatística?
- Modelagem é o processo de usar dados para selecionar um modelo matemático explícito que represente o processo gerador dos dados.250
28.1.2 Por que a escolha do modelo é complexa?
- Há inúmeras combinações possíveis de variáveis, formas funcionais (lineares, quadráticas, transformações), interações e formas do desfecho, o que torna o espaço de possibilidades muito amplo.250
O pacote equatiomatic251 fornece a função extract_eq para extrair a equação dos modelos em formato LaTeX para visualização.
28.2 Suposições dos modelos
28.2.2 Como avaliar as suposições de um modelo?
- .REF?
O pacote performance252 fornece a função check_model para analisar a colinearidade entre variáveis, a normalidade da distribuição das variáveis e a heteroscedasticidade.
28.3 Avaliação de modelos
28.3.2 Como avaliar a qualidade de ajuste de um modelo?
- Usando diagnóstico de regressão (ex.: análise de resíduos, gráficos de valores observados vs. preditos) e comparação com análises estratificadas.250
O pacote performance252 fornece a função model_performance para calcular as métricas de ajuste da regressão adequadas ao modelo pré-especificado.
O pacote performance252 fornece a função compare_performance para comparar o desempenho e a qualidade do ajuste de diversos modelos de regressão pré-especificados.
28.4 Modelos estocásticos
28.4.3 Como construir uma cadeia de Markov?
O pacote markovchain253 fornece a função markovchainFit ajusta uma cadeia com base em dados observados.
28.5 Comparação de modelos
28.5.1 Como comparar modelos de aprendizagem de máquina?
- .REF?
O pacote correctR254 fornece funções para comparar o desempenho e a qualidade do ajuste de diversos modelos de aprendizagem de máquina em amostras correlacionadas.
Ferreira, Arthur de Sá. Ciência com R: Perguntas e respostas para pesquisadores e analistas de dados. Rio de Janeiro: 1a edição,