[R-br] Duvida de estatistica - GLM binomial

Sexta Agosto 31 17:17:46 BRT 2012

Então, mas ai:
na.action

a function which indicates what should happen when the data contain NAs.
The default is set by the na.action setting of
options<http://127.0.0.1:30387/library/stats/help/options>,
and is na.fail <http://127.0.0.1:30387/library/stats/help/na.fail> if that
is unset. The ‘factory-fresh’ default is
na.omit<http://127.0.0.1:30387/library/stats/help/na.omit>.
Another possible value is NULL, no action. Value
na.exclude<http://127.0.0.1:30387/library/stats/help/na.exclude>can be
useful.

Se eu colocar NA direto, não vai excluir as linhas que tem Indeterminado do
Sexo, que vai exluir também as linhas de jovem da idade, e no final eu não
vou avaliar a idade para os dois...
O na action tinha que ser não o na.exclude não?

Em 31 de agosto de 2012 15:29, Heloíse Pavanato
<helopavanato em gmail.com>escreveu:

> Augusto,
>
> Tente colocar NA (missing value) onde você não tem a informação.
>
> Att,
> Heloise
>
> Em 31 de agosto de 2012 16:18, Augusto Ribas <ribas.aca em gmail.com>escreveu:
>
>> Ola pessoal.
>> Eu estava olhando aqui uns dados com um amigo e me surgiu uma duvida.
>>
>> O problema é o seguinte:
>> Os dados são referentes a ocorrência de uma doença em passarinhos.
>> Pegamos muitos passarinhos em redes em um lugar e testamos se ele esta
>> doente ou não.
>> Durante a captura, registramos varias caracteristicas dos passarinhos,
>> entre elas o sexo e a idade.
>> Ai gostaríamos de perguntar se essas variáveis influenciam na chance do
>> passarinho estar doente ou não.
>>
>> O problema começa no seguinte, a idade é fácil de determinar, são 3
>> classes, jovem, sub-adulto e adulto e isso é feito sem muito erro,
>> Agora o sexo, era pra ser macho ou femea, mas quando o passarinho é muito
>> novo, é impossível saber o sexo dele, então a gente tava colocando
>> indeterminado, pq visualmente não da pra saber o sexo do passarinho, e não
>> tem outro jeito.
>>
>> Então eu tenho 2 variáveis, de 3 níveis cada uma e fiz um glm binomial.
>>
>> So que qd eu faço a analise o sexo da significativo (a classe
>> indeterminado), sendo que os indeterminados tem menor chance de estar
>> doente.
>> Mas na verdade eu acho que o que interessa é a idade (Que faz sentido
>> biológico ser significativo).
>> Se vc olha o gráfico, vc ve o padrão é o mesmo no sexo e na idade.
>> E a inabilidade de identificar o sexo nos passarinhos vem exatamente dele
>> ser jovem demais, não desenvolveu ainda. Ai uma coisa confunde com a outra.
>> Será que alguem tem aluma sugestão de o que fazer?
>> Tem como representar o sexo como "Não sei", é um dos 2 níveis mas pra
>> esse passarinho eu não sei? Eu não sei como fazer isso. É possível fazer
>> isso pro sexo no glm no meu caso?
>>
>> Segue um exemplo para ilustrar mais ou menos o que eu to vendo:
>>
>> #Gerando dados de exemplo
>> set.seed(666)
>> n<-90
>>
>> #eu acredito que a idade tem um efeito significativo
>> #ja que por exemplo, o cara muito jovem vai ter tempo de exposição menor
>> #a indivíduos doentes
>> idade<-sample(c("Adulto","Sub-Adulto","Jovem"),n,replace=T)
>> idade
>> efeito<-ifelse(idade=="Jovem",1,0)
>> efeito
>> diagnostico<-rbinom(n,1,0.75+efeito*(-0.25))
>>
>> #E o sexo do passarinho não tem efeito, mas os jovens sempre são
>> inderterminados
>> sexo<-NA
>> for(i in 1:length(idade)) {
>>  if(idade[i]=="Jovem") {
>>   sexo[i]<-c("Indeterminado")
>>   } else{
>>   sexo[i]<-sample(c("Macho","Femea"),1)
>>   }
>>  }
>>
>> dados<-data.frame(sexo,idade,diagnostico)
>>
>> #so completando os casos
>> dados<-rbind(dados,c("Femea","Jovem",0))
>> dados<-rbind(dados,c("Indeterminado","Adulto",0))
>> dados<-rbind(dados,c("Macho","Jovem",0))
>> dados<-rbind(dados,c("Indeterminado","Sub-Adulto",0))
>>
>> #amostras
>> table(dados$sexo,dados$idade)
>> head(dados)
>>
>>
>>
>> #Grafico
>> #no final o que eu vejo é mais ou menos isso:
>> par(mfrow=c(1,2),cex=0.6)
>> barplot(table(diagnostico,sexo),ylim=c(0,40),legend.text
>> =c("Parasitado","Não Parasitado"))
>> barplot(table(diagnostico,idade),ylim=c(0,40),legend.text
>> =c("Parasitado","Não Parasitado"))
>>
>> #O indeterminado e Jovem é mais meio a meio no numero de parasitados que
>> as outras classes
>>
>> #mas eu vejo um resultado significativo pro sexo, ou jovem se mudar a
>> ordem
>> #isso esta errado
>> modelo01<-glm(diagnostico~factor(idade)+factor(sexo),family="binomial")
>> summary(modelo01)
>> plogis(coef(modelo01)[1:2])
>> #eu acredito que cai naquele problema do aov, de experimento não
>> balanceado e tal
>>
>> #se olhar individualmente tudo ok, mas não consigo olhar as 2 variaveis
>> juntas.
>> modelo02<-glm(diagnostico~factor(idade),family="binomial")
>> summary(modelo02)
>> plogis(coef(modelo02)[1:2])
>>
>> modelo03<-glm(diagnostico~factor(sexo),family="binomial")
>> summary(modelo03)
>> plogis(coef(modelo03)[1:2])
>>
>>
>> Se alguem puder dar uma olhada e dar alguma sugestão, fiz um exemplo, mas
>> os dados deixam um grafico exatamente como aquele, se alguem quiser olhar
>> os dados originais eu posso mandar.
>>
>> --
>> Grato
>> Augusto C. A. Ribas
>>
>> Site Pessoal: http://augustoribas.heliohost.org
>> Lattes: http://lattes.cnpq.br/7355685961127056
>>
>>
>> _______________________________________________
>> R-br mailing list
>> R-br em listas.c3sl.ufpr.br
>> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
>> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
>> código mínimo reproduzível.
>>
>
>
> _______________________________________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
> código mínimo reproduzível.
>

-- 
Grato
Augusto C. A. Ribas

Site Pessoal: http://augustoribas.heliohost.org
Lattes: http://lattes.cnpq.br/7355685961127056
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20120831/2e50a158/attachment.html>