Pedro, me desculpe, mas conceitualmente isso não faz sentido do ponto de
vista frequentista que vc está empregando. No máximo vc conseguirá bandas
de confiança para extrapolações e interpolações a partir dos seus dados, e
verificar se as previsões com novos dados (que não são previsões no
sentido que vc está querendo) caem dentro destas bandas. o que isso
significa, não sei ao certo. Na verdade técnicas como Análise Discriminante
e modelos de clasificação utilizam este tipo de abordagem como validação do
modelo, a chamada Crossvalidation, mas mesmo lá, são feitas apenas medidas
de acerto nas classificações, dado que se sabe o estado real das
observações desta nova amostra (eg: Doente e Não Doente).
quero e saber se a qualidade das previsoes no futuro sem mantem como no
ajuste inicial . Isso não vai acontecer, principalmente se seus novos
dados estiverem em uma amplitude diferente de observação (algo que o Ivan
já apontou no email dele).
Este seu raciocínio me parece muito mais algo Bayesianoaliás, modelos
de regressão para prognóstico de pacientes é algo muito pouco preconizado,
vide literatura (Bland, Altman, Greenland, Rothman, etc...).
Abs
Em 8 de agosto de 2012 18:52, Pedro Emmanuel Alvarenga Americano do Brasil
emmanuel.bra...@gmail.com escreveu:
Ivan,
Entendi o seu comentario mas isso nao me serve. Eu nao quero outro modelo.
O que eu quero e saber se a qualidade das previsoes no futuro sem mantem
como no ajuste inicial.
Caso sejam piores, o modelo inicial necessita de calibracao.
No pacote rms ha as fucoes val.prob e val.surv que o fazem para modelos
logisticos e para os modelos de sobrevivencia,mas mao encontrei para os
mpdelos lineares.
Se eu vou utilizar esses modelos para prever eventos em pacientes que
serao avaliados no futuro eu gostaria de saber o quanto esse modelo e bom
para esse fim. Por isso me interessa as previsoes no w2 muito mais o que as
previsoes no w1 pelo mesmo modelo.
Pedro Brasil
via Android (:)=
Em 08/08/2012 12:13, Ivan Bezerra Allaman ivanala...@yahoo.com.br
escreveu:
Bom dia Pedro!
Tu concordas comigo que a partir do momento que ajustastes um modelo por
meio de uma amostra, o modelo irá fazer uma estimativa da variável resposta
independentemente de qual amostra você utilize (desde que os pontos estejam
dentro do intervalo no qual o modelo foi ajustado é claro) com aquela
precisão no qual foi construído o modelo. Se vc utilizar um modelo ajustado
com a amostra w1 e depois usar o modelo para fazer estimativas com a
amostra w2, estas estimativas foram estimadas com a precisão dada no
primeiro ajuste. Se você realmente, quer avaliar o ajuste do modelo feito
com a amostra w1 e depois com a amostra w2 é simples, basta ajustar um
modelo feito com a amostra w1 e depois ajustar outro modelo feito com a
amostra w2 e comparar os R2, embora não vejo muito sentido nisso, pois é
claro, que os valores serão diferentes sempre, pois é aquela velha
história, se retirarmos 'n' amostras de uma população e retirarmos de cada
amostra a média, estas médias serão diferentes obviamente pelo simples
processo de amostragem.
Abraço!
(S,f,P)
Allaman
*
*
\begin{signature}
=
Prof. Dr. Ivan Bezerra Allaman
Universidade Estadual de Santa Cruz
Departamento de Ciências Exatas e Tecnológicas
Ilhéus/BA - Brasil
Fone: +55 73 3680-5596
E-mail: ivanala...@yahoo.com.br/ivanala...@gmail.com
@
\end{signature}
___
R-br mailing list
R-br@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@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.
--
Fernando A.B. Colugnati
___
R-br mailing list
R-br@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.