Este livro aborda a análise de dados categorizados sob um enfoque sui generis, em que se detalham as questões de interesse geradas pelos problemas práticos que originaram os dados, se explicitam os modelos estatísticos empregados para respondê-las, se esmiúça a metodologia necessária para as inferências daí decorrentes e finalmente, se pormenorizam os resultados práticos, evidenciando suas contribuições e limitações. O texto é escrito com o cuidado de equilibrar o rigor almejado por pesquisadores com a precisão e a clareza requeridas por usuários de técnicas estatísticas. Nesse sentido, vários exemplos são analisados de uma maneira bastante detalhada, permitindo que o livro possa ser útil tanto para investigadores atraídos pelos meandros da metodologia estatística quanto por utilizadores conscienciosos interessados em análises estatísticas bem fundamentadas.
[RESUMIDO]
I Introdução e Modelação Probabilística
1 Introdução
1.1 Noções preliminares sobre dados categorizados e exemplos
1.2 Notações
2 Modelos probabilísticos
2.1 Processos de amostragem
2.2 Relação probabilística entre os esquemas amostrais básicos
2.3 Modelos hipergeométricos
2.4 Notas de Capítulo
II Modelação Estrutural
3 Modelos estruturais lineares
3.1 Introdução
3.2 Modelos de simetria
3.3 Modelos de homogeneidade margina
3.4 Modelo linear geral
3.5 Notas de Capítulo
4 Modelos log-lineares para tabelas sem variáveis explicativas
4.1 Reparametrização log-linear do modelo probabilístico
4.2 Modelos log-lineares para tabelas bidimensionais
4.3 Modelos log-lineares para tabelas tridimensionais
4.4 Modelos log-lineares para tabelas tetradimensionais e de dimensão superior
4.5 Identidade entre associações parciais e associações marginais
4.6 Modelos para variáveis ordinais
4.7 Notas de Capítulo
5 Modelos log-lineares para tabelas com variáveis explicativas
5.1 As várias formulações log-lineares
5.2 Tabelas bidimensionais
5.3 Tabelas tridimensionais
5.4 Tabelas tetradimensionais
5.5 Notas de Capítulo
6 Modelos funcionais lineares
6.1 Modelos log-lineares generalizados
6.2 Outros modelos funcionais lineares
6.3 Modelos lineares generalizados
6.4 Notas de Capítulo
III Análise inferencial
7 A metodologia de máxima verosimilhança
7.1 Estimação paramétrica
7.2 Testes de ajustamento dos modelos
7.3 Testes condicionais de hipóteses redutoras de modelos
7.4 Resultados assintóticos
7.5 Notas de Capítulo
8 Análise de modelos lineares
8.1 Modelos de simetria
8.2 Modelos de homogeneidade marginal
8.3 Modelo linear geral
8.4 Notas de Capítulo
9 Análise de modelos log-lineares
9.1 Descrição genérica da análise em tabelas sem variáveis explicativas
9.2 Modelos log-lineares bidimensionais
9.3 Modelos log-lineares multidimensionais
9.4 Métodos iterativos de estimação log-linear
9.5 Análise log-linear em tabelas com variáveis explicativas
9.6 Selecção de modelos log-lineares
9.7 Notas de Capítulo
10 Análise de modelos funcionais lineares
10.1 Modelos log-lineares generalizados
10.2 Outros modelos funcionais lineares
10.3 Modelos de concordância
10.4 Modelos lineares generalizados
11 Metodologia de Mínimos Quadrados Generalizados
11.1 Descrição geral da metodologia
11.2 Aplicação à análise de modelos lineares
11.3 Aplicação à análise de modelos log-lineares
11.4 Aplicação À análise de modelos funcionais lineares
11.5 Detalhes técnicos
11.6 Notas de Capítulo
IV Tópicos especiais
12 Análise de dados categorizados longitudinais
12.1 Introdução
12.2 Análise por meio de mínimos quadrados generalizados
12.3 Análise por meio de máxima verosimilhança e de equações de estimação generalizadas
12.4 Nota de Capítulo
13 Análise de dados incompletos
13.1 Descrição do problema
13.2 Modelação
13.3 Análise por máxima verosimilhança sob omissão aleatória
13.4 Concretização a modelos lineares e log-lineares
13.5 Análise por mínimos quadrados generalizados sob omissão completamente aleatória
13.6 Aplicações
13.7 Notas de Capítulo
14 Métodos de Inferência Condicional
14.1 Introdução à inferência condicional exacta e assintótica
14.2 Testes de simetria
14.3 Inferências sobre associação em tabelas 2 X 2
14.4 Testes de independência em tabelas I X J
14.5 Testes de modelos log-lineares em tabelas tridimensionais
14.6 Comparação de I tabelas 2 X 2 por métodos condicionais assintóticos
14.7 Aplicação ao quadro de modelos de aleatorização e extensão a tabelas I X J X K
V Apêndice
A- Conceitos e resultados de Álgebra Linear
A.1 Alguns resultados sobre espaços vectoriais
A.2 Algumas breves noções sobre matrizes
A.3 Sistemas de equações lineares
A.4 Projecções de subespaços
A.5 Formas quadráticas
A.6 Alguns resultados envolvendo diferenciação matricial
A.7 Exercícios
B- Conceitos e resultados de Teoria Assintótica
B.1 Ordens de magnitude de seqüências estocásticas
B.2 Modos de convergência estocástica e Leis dos Grandes Números
B.3 Teorema Limite Central e aplicações
B.4 Exercícios
C Meios Computacionais
Carlos Daniel Paulino
É Professor Associado com Agregação do Instituto Superior Técnico da Universidade Técnica de Lisboa (IST-UTL) e investigador do Centro de Matemática e Aplicações do IST. Obteve os graus de Licenciado em Engenharia Química pelo IST, Mestre em Estatística e Investigação Operacional pela Faculdade de Ciências da Universidade de Lisboa e Doutor em Ciências Estatísticas pela Universidade de São Paulo, Brasil. É autor de alguns livros e tem publicados internacionalmente vários artigos de investigação e de aplicações nas suas áreas de interesse que incluem Dados Categorizados, Dados Incompletos e Mal-Classificados, Estatística Bayesiana e Genética estatística (www.math.ist.utl.pt/~dpaulino).
Julio da Motta Singer
É professor titular do Departamento de Estatística do Instituto de Matemática e Estatística da Universidade de São Paulo e tem dirigido o Centro de Estatística Aplicada da mesma instituição. É engenheiro de Produção pela Escola Politécnica, mestre em Estatística pelo Instituto de Matemática e Estatística, ambos na Universidade de São Paulo e doutor em Bioestatística pela University of North Carolina at Chapel Hill. Tem vários livros e artigos publicados em periódicos de circulação internacional, além de diversos trabalhos de assessoria estatística realizados para pesquisadores e empresas. Suas áreas de interesse incluem Análise de Dados Categorizados, Análise de Dados Longitudinais, Planejamento de Experimentos e Estatística Aplicada em geral (www.ime.usp.br/~jmsinger).