Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/13437
Files in This Item:
File Description SizeFormat 
pedrohenriquedemesquitapacheco.pdfPedro Henrique de Mesquita Pacheco5.36 MBAdobe PDFThumbnail
View/Open
Type: Trabalho de Conclusão de Curso
Title: Modelagem de dados longitudinais complexos no R: desenvolvimento de um pacote estatístico
Author: Pacheco, Pedro Henrique de Mesquita
First Advisor: Vieira, Marcel de Toledo
Referee Member: Silva, Pedro Luis do Nascimento
Referee Member: Souza, Augusto Carvalho
Resumo: O surgimento dos computadores digitais a partir da segunda metade do século XX revolucionou o uso da estatística, pois, possibilitou que metodologias, antes inviáveis de serem colocadas em prática, fossem exploradas. Em particular, pesquisas longitudinais começaram a ser cada mais utilizadas em um contexto envolvendo grandes pesquisas. Surgiram então problemas sobre a incorporação do plano amostral das pesquisas às metodologias matemáticas e também a tradução de tais abstrações matemáticas para termos práticos computacionais. No que diz respeito a modelos longitudinais de efeitos fixos e aleatórios e modelos longitudinais de covariância estruturada, ambos envolvendo o plano amostral complexo, o presente trabalho visa apresentar técnicas computacionais capazes de solucionar a segunda parte do problema da modelagem estatística destacado anteriormente, por meio da discussão e criação de um pacote na linguagem de programação R, denominado ’clm’. Ao longo deste estudo foram discutidas boas práticas da programação que visam o desenvolvimento de um código limpo e sustentável e também possíveis estratégias a serem adotadas para solucionar o problema de implementação dos modelos longitudinais complexos, como por exemplo, o uso de fluxogramas. Ao final, foram apresentados os resultados de tais práticas analisando as principais funções do pacote desenvolvido e também uma aplicação exemplificando seu uso, buscando destacar os benefícios proporcionados por este trabalho.
Abstract: The emergence of digital computers in the second half of the 20st century revolutionized the use of statistics, as it made it possible for methodologies, which were previously unfeasible to be put into practice, to be explored. In particular, longitudinal surveys began to be increasingly used in a context of large surveys. Problems then arose about incorporating the sampling design of the survey into mathematical methodologies and also the translation of such mathematical abstractions into practical computational terms. With regard to fixed and random effects longitudinal models and structured covariance longitudinal models, both involving the complex sampling scheme, the present work aims to present computational techniques capable of solving the second part of the statistical modeling problem highlighted above, through the discussion and creation of a package in the R programming language, called ’clm’. Throughout the study, good programming practices aimed at the development of a clean and sustainable code were discussed, as well as possible strategies to be adopted as the solution for the problem of implementing longitudinal models, such as the use of flowcharts. In the end, the results of such practices were presented analyzing the main functions of the developed package and also an application exemplifying its use, seeking to highlight the benefits provided by this work.
Keywords: Modelos Longitudinais
Longitudinal Models
Amostragem Complexa
Complex Sampling Design
Programação em R
R Programming
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
Language: por
Country: Brasil
Publisher: Universidade Federal de Juiz de Fora (UFJF)
Institution Initials: UFJF
Department: ICE – Instituto de Ciências Exatas
Access Type: Acesso Aberto
Creative Commons License: http://creativecommons.org/licenses/by-nc-nd/3.0/br/
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/13437
Issue Date: 8-Sep-2021
Appears in Collections:Estatística - TCC Graduação



This item is licensed under a Creative Commons License Creative Commons