[R-br] Duvida de estatistica - GLM binomial

Sexta Agosto 31 17:49:50 BRT 2012

Tente:
modelo01<-glm(as.factor(diagnostico)~factor(sexo)+factor(idade),family="
binomial",data=dados,na.action=na.exclude)

Em 31 de agosto de 2012 17:32, Augusto Ribas <ribas.aca em gmail.com> escreveu:

> Arrumando o exemplo:  (eu não tinha colocado pra usar o dataframe que
> criei nas analises)
>
> #dados, exemplo
> set.seed(666)
> n<-90
>
> 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))
> sexo<-NA
> for(i in 1:length(idade)) {
>  if(idade[i]=="Jovem") {
>   sexo[i]<-c("Indeterminado")
>   } else{
>   sexo[i]<-sample(c("Macho","Femea"),1)
>   }
>  }
> sexo
> idade
> diagnostico
> dados<-data.frame(sexo,idade,diagnostico)
>
>
> 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))
> table(dados$sexo,dados$idade)
>
> #grafico
>
> 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"))
>
> #modelos
> #as 2 variaveis juntas
>
> modelo01<-glm(as.factor(diagnostico)~factor(sexo)+factor(idade),family="binomial",data=dados)
> summary(modelo01)
>
> #cada uma separada
> modelo02<-glm(as.factor(diagnostico)~idade,family="binomial",data=dados)
> summary(modelo02)
>
>
> modelo03<-glm(as.factor(diagnostico)~factor(sexo),family="binomial",data=dados)
> summary(modelo03)
>
> Em 31 de agosto de 2012 16:17, Augusto Ribas <ribas.aca em gmail.com>escreveu:
>
> 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
>>
>>
>
>
> --
> 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.
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20120831/5e21f733/attachment.html>