• Dados binários em látice (explanação com exemplo);

- Estrutura de correlação induzida pela dependência espacial das observações.

• Modelo autologístico usual estudados por diversos autores;
• Métodos de Estimação;
• Estrutura de Vizinhança;

1. motivação:

• Dados de MSC;
• Dados de leprose de citros;

1. propostas:

• Probabilidade da planta ficar doente dado o status das plantas vizinhas e covariáveis usuais do estudo;
• Estrutura de vizinhança adequado;
• Diferentes formas de considerar o efeito das covariáveis de vizinhança no modelo;

- forma binária (0 ou 1), incidência de vizinhos doentes;

- forma de contagem (0,1,2,…) número de vizinhos doentes;

- dummy;

• Considerar algumas transformações (log,raiz) na covariável, escolher aquela que maximiza a verossimilhança

do modelo ajustado (relação linear descrita com uma função da covariável)

quanto maior o número de vizinhos doentes maior a pressão infectiva da doença nas plantas?

• Experimentar 'n' estruturas, dentro de 'n' modelos, ajustar aos dados os 'n' modelos e escolher o melhor dentre estes

por verossimilhança.

• lags, tempos anteriores a observação;

- A dependência temporal existente entre as diferentes avaliações;

- Observa-se a planta no tempo 't', será que há dependência em avaliações anteriores: t-1, t-2,…

- O tempo entre as avaliações é diferentes; Será que tempo maior entre uma avaliação e outra é significativa, e qdo as avaliações são feitas em um curto período de tempo?

- Pesos para diferentes distâncias de tempo entre as avaliações(atual/anterior)?

• Outras funções de ligação: probit, cloglog

-

• Obter modelo autologístico espaço-temporal que ajusta-se adequadamente os dados de leprose de citrus, com

uma forma elegante de entrar com as covariáveis de vizinhança no modelo.

• Obter modelo autologístico espaço-temporal que ajusta-se adequadamente os dados de leprose de citrus, com

uma forma elegante de entrar com as covariáveis de vizinhança no modelo.