Estudo sobre modelos de regressão para dados de contagem

Abstract

O tratamento estatıstico de variaveis de contagem exige modelos capazes de lidar com a natureza discreta desses dados e com padroes frequentemente observados, como sobre dispersao, subdispersao e excesso de zeros. Diversas distribuicoes sao apresentadas para acomodar essas caracterısticas, assim como metodos de regressao que permitem relacionar a variavel resposta a covariaveis de interesse. Este trabalho apresenta uma revisao das principais abordagens utilizadas na modelagem de contagens, comentando sobre o uso dos modelos lineares generalizados (MLGs) e analise diagnostica desses modelos. Sao abordados tambem os modelos aditivos generalizados para localizacao, escala e forma (GAMLSS), que permitem modelar multiplos parametros da distribuicao. Essa flexibilidade torna essa classe de modelos particularmente adequada para cenarios mais complexos, nos quais a media, a variabilidade ou mesmo caracterısticas como assimetria e curtose podem depender de covariaveis. Alem disso, tecnicas de inferencia, criterios para comparacao entre modelos e metodos de avaliacao da qualidade do ajuste tambem sao descritos, com destaque para os resıduos quantılicos, amplamente utilizados no diagnostico dos GAMLSSs. Para ilustrar a aplicacao pratica dessas metodologias, dois conjuntos de dados reais sao analisados, evidenciando como diferentes distribuicoes podem capturar distintos padroes presentes nos dados. O estudo busca oferecer uma visao abrangente das possibilidades de modelagem para dados de contagem, destacando tanto suas potencialidades quanto suas limitacoes.