Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- 06-gaussiana:06-gaussiana [2022/10/14 21:09] – [Exercícios] paulo
+++ 06-gaussiana:06-gaussiana [2024/11/13 02:34] (atual) – [Questões motivadoras] paulo
@@ Linha 1: / Linha 1: @@
+====== 6. Modelos da Distribuição Gaussiana ======
+\\
+Os modelos Gaussianos são modelos baseados na distribuição Normal, que designaremos por **distribuição Gaussiana** em homenagem ao grande astrônomo e matemático //Johann Carl Friedrich Gauss// (1777 – 1855).
+Uma ampla gama de modelos cabe sob essa designação: modelos lineares clássicos, isto é modelos de regressão e análise de variância, modelos não lineares e modelos geoestatísticos clássicos.
+Geralmente, esses modelos são apresentados em classes diferentes, mas nesse tópico procuraremos unificar a sua apresentação sob a abordagem de verossimilhança.
+====== Conceitos ======
+  * Distribuição gaussiana: propriedades e parâmetros
+  * Variáveis-resposta gaussianas
+  * Modelos gaussianos de resposta linear da média
+     * Regressão linear
+     * Análise de variância
+  * Modelos gaussianos de resposta não-linear da média
+     * Regressão não-linear
+  * Modelos gaussianos com resposta da variância
+====== Tutoriais ======
+Utilizaremos nesse tutorial dados de biomassa de árvores de //Eucalyptus saligna// do arquivo
+{{:06-gaussiana:esaligna.csv|esaligna.csv}}.
+===== Modelo com a média constante =====
+Para ajustar os modelos utilizaremos a função "mle2" que está no pacote "bbmle".  Portanto é necessário "carregar" esse pacote.
+<code rsplus>
+library(bbmle)
+help(mle2)
+</code>
+O modelo Gaussiano mais simples é aquele em que pretendemos apenas estimar os parâmetros média e variância, que consideramos contantes.  Podemos representar  este modelo assim:
+$$ B \sim N( \mu =  \beta , \ \sigma = \alpha) $$
+Que lemos:
+<WRAP center round box 60%>
+"a variável $B$ segue uma distribuição normal com parâmetros $\mu$ e $\sigma$ constantes com valores $\beta$ e $\alpha$, respectivamente".
+</WRAP>
+OU
+<WRAP center round box 60%>
+"A variável gaussiana $B$  tem parâmetros constantes $\mu =  \beta  $ e $\sigma = \alpha$ ."
+</WRAP>
+Vamos ajustar este modelo a dados de //biomassa total// de uma amostra de árvores de //E. saligna// (variável "total"). Sabemos que os MLEs da média e desvio-padrão de um Gaussiana são as média e desvio-padrão amostrais. Então o ajuste é simplesmente calcular estas quantidades. E com elas podemos calcular a log-verossimilhança negativa deste ajuste:
+<code rsplus>
+## Leitura dos dados
+esa <- read.csv("esaligna.csv",header=T)
+mean(esa$total)
+[1] 93.20056
+sd(esa$total)
+[1] 83.51936
+## Log-Verossimilhança negativa
+-sum( dnorm( esa$total, mean = mean(esa$total), sd = sd(esa$total), log=TRUE) )
+[1] 209.8846
+</code>
+Portanto esse modelo tem como estimativas (MLEs) dos parâmetros: média = 93 e desvio padrão = 83,5.  Já a log-verossimilhança negativa é igual a 209,9.
+==== Objetos da Classe MLE ====
+Mesmo sendo um modelo simples, podemos ajustá-lo com otimização computacional utilizando a função ''mle2'' (//Maximum Likelihood Estimator//), do pacote "bbmle" do R.
+Para isso é criamos uma função em R que calcula a log-verossimilhança negativa da distribuição Gaussiana (Normal)
+sobre os dados que possuímos:
+<code rsplus>
+nllikGauss <- function(m=90, s=80) -sum(stats::dnorm(esa$total, m, s, log=TRUE))
+</code>
+Para ajustar o modelo com média e desvio padrão constante entregamos esta função ao otimizador executado pela ''mle2'':
+<code rsplus>
+gauss01 <- mle2( nllikGauss )
+class( gauss01 )
+[1] "mle2"
+attr(,"package")
+[1] "bbmle"
+</code>
+O objeto gerado pela função ''mle2'' é um objeto de classe ''mle2'' e pode ser utilizado diretamente em algumas funções como: ''summary'' e ''logLik''.
+<code rsplus>
+summary(gauss01)
+Maximum likelihood estimation
+Call:
+mle2(minuslogl = nllikGauss)
+Coefficients:
+  Estimate Std. Error z value     Pr(z)
+m  93.1309    13.7362  6.7800 1.202e-11 ***
+s  82.4172     9.7246  8.4751 < 2.2e-16 ***
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+-2 log L: 419.7551
+</code>
+Note que a função ''summary'' apresenta as //estimativas// juntamente com os respectivos //erros padrões// destas estimativas.
+==== Verossimilhança Perfilhada ====
+A função ''profile'' gera a verosimilhança perfilhada para os parâmetros do modelo, mas utiliza uma transformação da verossimilhança.  Se utilizada diretamente com a função ''plot'', gera gráficos da verossimilhança transformado para uma variável normal padronizada (z-score). Esta transformação usa a propriedade de normalidade assintótica dos MLEs para supor então que as estimativas  dos parâmetros seguem uma distribuição normal. Sob esta premissa, é possível definir intervalos de confiança dos parâmetros, que são indicados na figura:
+<code rsplus>
+> par(mfrow=c(1,2))
+> plot( profile(gauss01))
+</code>
+Intervalos de confiança são um conceito de inferência de testes de significância. Na abordagem de inferência por verossimilhança a incerteza sobre a estimativa é expressa por intervalos de plausibilidade. Estes intervalos devem convergir para os intervalos de confiança descritos acima, quando a amostra for grande o suficiente. Mas os intervalos de plausibilidade são mais gerais, pois valem mesmo quando a aproximação normal dos intervalos de confiança ainda não funciona.
+A função ''plotprofmle'', que está no pacote "sads", faz as curvas de verossimilhança perfilhada e delimita os intervalos de plausibilidade para os parâmetros estimados pela função ''mle2'':
+<code rsplus>
+> library(sads) # primeiro instale o pacote se não o tiver
+> par(mfrow=c(1,2))                    # Múltiplos gráficos na mesma janela: 1 linha x 2 colunas
+> plotprofmle( profile(gauss01) )
+</code>
+Os gráficos apresentam a log-verossimilhança negativa relativa para os dois parâmetros ajustados: média e desivo padrão.   Em cada gráfico, é apresentado também o **intervalo de verossimilhança** para razão de 8  (diferença de log-verossimilhança de $\ln(8)$).
+===== Modelo com Média como Função Linear =====
+Nesse caso da //biomassa total// das árvores de //E. saligna// (variável ''total''), faz sentido assumir que a biomassa das árvores seja uma função linear do //tamanho da árvore//, definido por uma expressão simples do diâmetro e da altura da árvore:
+$$ E[ b_i ] = \beta_0 + \beta_1 (d_i^2\ h_i)$$.
+Assim, a média deixa de ser modelada como  //constante// e passa a ser modelada como uma //função linear// de uma variável preditora. E nosso modelo pode ser expresso assim:
+$$ B \sim N( \mu =  \beta_0 + \beta_1 (d_i^2\ h_i), \ \sigma = \alpha) $$
+Que lemos:
+<WRAP center round box 60%>
+"a variável $B$ segue distribuição normal com parâmetro $\mu$ que é uma função linear da preditora $(d_i^2\ h_i)$ e parâmetro $\sigma$ constante.
+</WRAP>
+==== Função de Log-Verossimilhança Negativa  ====
+Para podermos ajustar um modelo onde a média é uma função linear, precisamos definir uma nova função de Log-Verossimilhança Negativa:
+<code rsplus>
+nllikGauss2 <- function(b0=0, b1=1, s=80)
+{
+    m <- b0+b1*(esa$dap^2*esa$ht)
+     -sum(stats::dnorm(x=esa$total, mean=m, sd=s,log=T))
+ }
+</code>
+Note que temos agora três parâmetros: $\beta_0$ e $\beta_1$ definem a função linear da média, como função da variável combinada "''(esa$dap^2*esa$ht)''", enquanto que o desvio padrão ($\sigma$) permanece **constante**. Os valores //default// destes parâmetros na função "''nllikGauss2''" são usados como "palpites" iniciais pela função de ajuste "''mle''".
+==== Ajuste e Análise do Modelo  ====
+O ajuste do modelo é realizado da mesma forma pela função "''mle''":
+<code rsplus>
+gauss02 <- mle2( nllikGauss2 )
+Warning message:
+NaNs produced in: dnorm(x, mean, sd, log)
+</code>
+Podemos agora analisar o modelo:
+<code rsplus>
+summary( gauss02 )
+Maximum likelihood estimation
+Call:
+mle2(minuslogl = nllikGauss2)
+Coefficients:
+     Estimate Std. Error z value   Pr(z)
+b0 11.4859246  5.9655410  1.9254 0.05418 .
+b1  0.0263826  0.0013888 18.9973 < 2e-16 ***
+s  24.8058770  2.9225990  8.4876 < 2e-16 ***
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+-2 log L: 333.3746
+logLik(gauss02)
+'log Lik.' -166.6873 (df=3)
+</code>
+E analisar as curvas de verossimilhança perfilhada:
+<code rsplus>
+par(mfrow=c(2,2))
+plotprofmle( profile(gauss02) )
+</code>
+Note que quando a média é modelada como uma função linear, o valor do desvio padrão se torna bem menor.  O que essa redução indica?
+==== Comparação com o Modelo Anterior  ====
+Note que ao assumir a média como função linear do //tamanho das árvores// houve clara melhora na qualidade do modelo, conforme o valor de Log-Verossimilhança mostra:
+<code rsplus>
+logLik(gauss01)
+'log Lik.' -209.8776 (df=2)
+logLik(gauss02)
+'log Lik.' -166.6873 (df=3)
+AICtab( gauss01, gauss02, base=TRUE, logLik=TRUE )
+        logLik AIC    dLogLik dAIC   df
+gauss02 -166.7  339.4   43.2     0.0 3
+gauss01 -209.9  423.8    0.0    84.4 2
+</code>
+==== Comparação com a Forma Clássica de Ajuste  ====
+As estimativas dos coeficientes de regressão que obtivemos acima são semelhantes aos obtidos pelo forma clássica de ajuste de modelos lineares de regressão:
+<code rsplus>
+>
+> summary( gauss02 )
+Maximum likelihood estimation
+Call:
+mle2(minuslogl = nllikGauss2)
+Coefficients:
+     Estimate Std. Error z value   Pr(z)
+b0 11.4859246  5.9655410  1.9254 0.05418 .
+b1  0.0263826  0.0013888 18.9973 < 2e-16 ***
+s  24.8058770  2.9225990  8.4876 < 2e-16 ***
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+-2 log L: 333.3746
+> summary( lm( total ~ I(dap^2*ht), data=esa ) )$coefficients
+                 Estimate  Std. Error   t value     Pr(>|t|)
+(Intercept)   11.51744130 6.139609524  1.875924 6.927291e-02
+I(dap^2 * ht)  0.02637721 0.001429276 18.454952 2.736869e-19
+>
+</code>
+**Questões:**
+   * Quanto aos erros-padrão da estimativa (''Std. Error''), as duas formas de ajuste geram valores iguais?
+   * Os Intervalos de Confiança de 95% (use valor de t=2) são semelhantes aos **Intervalos de Verossimilhança** para razão 8 ?  (Veja os gráficos da verossimilhança perfilhada)
+   * Por que a abordagem tradicional não apresenta uma estimativa de erro-padrão para o parâmetro de escala do modelo (desvio padrão)?
+===== Modelo com Média e Desvio Padrão como Função Linear =====
+Se observarmos a relação entre //biomassa total// e o diâmetro (''dap'') e altura das árvores (''ht'') veremos que
+não só a média mas também o desvio padrão cresce com o aumento do tamanho da árvore:
+<code rsplus>
+par(mfrow=c(1,1))
+plot( total ~  I(dap^2*ht) , data = esa )
+</code>
+==== Função de Log-Verossimilhança Negativa e Ajuste  ====
+Assim podemos ajustar um modelo onde média e desvio padrão são funções do tamanho da árvore. Uma possibilidade é:
+$$ B \sim N( \mu =  \beta_0 + \beta_1 (d_i^2\ h_i), \ \sigma = \alpha_0 (d_i^2\ h_i)^{\alpha_1}) $$
+Ou seja:
+<WRAP center round box 60%>
+"B é uma variável Gaussiana com parâmetro $\mu$ que é uma função linear da preditora $(d_i^2\ h_i)$, e parâmetro $\sigma$ que é uma função de potência desta mesma preditora"
+</WRAP>
+ Para ajustar este modelo com a ''mle2'', precisamos construir nova função de log-verossimilhança negativa, em que a média e desvio-padrão sejam as funções definidas da preditora:
+<code rsplus>
+nllikGauss3 <- function(b0=11.5, b1=0.0264, a0 = 1, a1 = 10)
+ {
+     m <- b0+b1*(esa$dap^2*esa$ht)
+     s <-  exp(a0)*(esa$dap^2*esa$ht)^a1
+     -sum(stats::dnorm(x=esa$total, mean=m, sd=s,log=T))
+ }
+gauss03 <- mle2( nllikGauss3 )
+summary(gauss03)
+Maximum likelihood estimation
+Call:
+mle2(minuslogl = nllikGauss3)
+Coefficients:
+     Estimate Std. Error z value     Pr(z)
+b0  8.0863364  3.1124317  2.5981  0.009375 **
+b1  0.0274520  0.0016625 16.5128 < 2.2e-16 ***
+a0 -0.5069408  0.8396233 -0.6038  0.545995
+a1  0.4660469  0.1108618  4.2039 2.624e-05 ***
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+-2 log L: 317.2816
+AIC(gauss03)
+[1] 325.2816
+</code>
+E podemos analisar a curva de verossimilhança perfilhada para os parâmetros:
+<code rsplus>
+par(mfrow=c(2,2))
+plotprofmle( profile( gauss03 ) )
+</code>
+===== Modelo com uma outra Função para o Desvio Padrão  =====
+Podemos analisar a importância da função que descreve o desvio padrão tentando uma outra função.   No exemplo abaixo, temos uma função que relaciona linearmente o desvio padrão com a variável preditora:
+$$ B \sim N( \mu =  \beta_0 + \beta_1 (d_i^2\ h_i), \ \sigma = \alpha0 +  \alpha_1 (d_i^2\ h_i)) $$
+ou seja:
+<WRAP center round box 60%>
+"$B$ é uma variável Gaussiana com parâmetros $\mu$ e $\sigma$ que são funções lineares da preditora $(d_i^2\ h_i)$."
+</WRAP>
+Vamos então fazer o ajuste deste novo modelo no R:
+<code rsplus>
+> nllikGauss3b <- function(b0=11.5, b1=0.0264, a0 = 1, a1 = 0.5)
++ {
++     m <- b0+b1*(esa$dap^2*esa$ht)
++     s <-  a0 + a1*(esa$dap^2*esa$ht)^(1/2)
++     -sum(stats::dnorm(x=esa$total, mean=m, sd=s,log=T))
++ }
+>
+> gauss03b = mle2( nllikGauss3b )
+Warning messages:
+: In dnorm(x, mean, sd, log) : NaNs produced
+: In dnorm(x, mean, sd, log) : NaNs produced
+: In dnorm(x, mean, sd, log) : NaNs produced
+: In dnorm(x, mean, sd, log) : NaNs produced
+: In dnorm(x, mean, sd, log) : NaNs produced
+: In dnorm(x, mean, sd, log) : NaNs produced
+> summary(gauss03b)
+Maximum likelihood estimation
+Call:
+mle2(minuslogl = nllikGauss3b)
+Coefficients:
+    Estimate Std. Error z value     Pr(z)
+b0 8.0513173  3.1080813  2.5904 0.0095852 **
+b1 0.0274884  0.0016925 16.2412 < 2.2e-16 ***
+a0 0.6623036  4.3336348  0.1528 0.8785334
+a1 0.4490437  0.1293511  3.4715 0.0005175 ***
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+-2 log L: 317.3536
+> logLik(gauss03b)
+'log Lik.' -158.6768 (df=4)
+> AIC(gauss03b)
+[1] 325.3536
+>
+</code>
+Note que nesse caso houve uma certa "//reclamação//" do otimizador. Isso acontece porque a função linear que especificamos para o desvio-padrão permite valores negativos se o otimizador tentar certas combinações de intercepto e inclinação. Como o parâmetro de desvio-padrão da normal deve ser positivo, estas tentativas devolvem valor indefinido de verossimilhança (NaNs).  Mas o otimizador é robusto a estes casos. Simplesmente avisa que isso aconteceu, ignora estas combinações, e segue adiante tentando outras.
+**Questão:** será que houve mudança marcante na qualidade do ajuste?
+===== Modelo com Função Não-Linear para Média =====
+Uma outra possibilidade é considerarmos que  a média e o desvio-padrão são funções de potência da preditora :
+$$ B \sim N( \mu =  \beta_0 (d_i^2\ h_i)^{\beta_1}, \ \sigma = \alpha_0 (d_i^2\ h_i)^{\alpha_1}) $$
+Como antes, para ajustar mais este modelo no R criamos uma nova função de log-verossimilhança e a minimizamos com a função ''mle2'':
+<code rsplus>
+> nllikGauss4 <- function(b0=-2.4, b1=0.86, a0 = 1, a1 = 10)
++ {
++     m <- exp(b0) *(esa$dap^2*esa$ht)^b1
++     s <-  exp(a0)*(esa$dap^2*esa$ht)^a1
++     -sum(stats::dnorm(x=esa$total, mean=m, sd=s,log=T))
++ }
+> gauss04 = mle2( nllikGauss4)
+> summary(gauss04)
+Maximum likelihood estimation
+Call:
+mle2(minuslogl = nllikGauss4)
+Coefficients:
+    Estimate Std. Error z value     Pr(z)
+b0 -2.220989   0.434689 -5.1094 3.232e-07 ***
+b1  0.847536   0.052097 16.2683 < 2.2e-16 ***
+a0 -0.497323   0.854650 -0.5819    0.5606
+a1  0.463901   0.112893  4.1092 3.970e-05 ***
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+-2 log L: 316.8159
+> AIC(gauss04)
+[1] 324.8159
+>
+> plotprofmle( profile(gauss04) )
+>
+</code>
+**Questões:**
+   * O que aconteceu com o ajuste do modelo ?
+   * O que aconteceu com a curva de verossimilhança perfilhada das estimativas dos parâmetros na relação não-linear?
+===== Outra Função Não-Linear para Média =====
+A relação entre a biomassa lenhosa e as duas variáveis preditoras DAP (dap) e altura (ht) pode seguir padrões não-lineares, mas não exatamente a partir da variável combinada (dap^2 * ht).  Uma outra possibilidade é uma relação da biomassa lenhosa na forma de potência com as duas variáveis:
+$$ B \sim N( \mu =  \beta_0 \ d^{\beta_1} \ h^{\beta_2} , \ \sigma = \alpha_0 (d^2\ h)^{\alpha_1}) $$
+onde $d$ é o DAP e $h$ é a altura. Mantemos o parâmetro $\sigma$ como função de potência da preditora já usada antes, $d^2\ h$.
+vamos fazer o ajuste deste novo modelo no R:
+<code rsplus>
+ nllikGauss5 <- function(b0=-1.7, b1=2.44, b2=-0.097 , a0 = 1, a1 = 10)
+ {
+     m <- exp(b0) * esa$dap^b1 * esa$ht^b2
+     s <-  exp(a0)*(esa$dap^2*esa$ht)^a1
+     -sum(stats::dnorm(x=esa$total, mean=m, sd=s,log=T))
+ }
+gauss05 = mle2( nllikGauss5 )
+summary(gauss05)
+Maximum likelihood estimation
+Call:
+mle2(minuslogl = nllikGauss5)
+Coefficients:
+   Estimate Std. Error z value     Pr(z)
+b0 -2.10999    0.41242 -5.1162 3.118e-07 ***
+b1  2.37738    0.13322 17.8453 < 2.2e-16 ***
+b2  0.11704    0.11660  1.0037    0.3155
+a0  1.23524    1.08020  1.1435    0.2528
+a1  0.18935    0.14320  1.3222    0.1861
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+-2 log L: 293.326
+ AIC(gauss05)
+[1] 303.326
+ par(mfrow=c(2,3))
+ plotprofmle( profile(gauss05) )
+</code>
+**Questões:**
+   * Como foi o ajuste dessa forma não-linear para a média ?
+   * O que aconteceu com a curva de verossimilhança perfilhada para os parâmetros do modelo da média ?
+   * Alguma estimativa se mostra problemática ?  Quais seriam as prováveis causas desses problemas ?
+===== Modelo Log-Normal =====
+O fato de tanto média como desvio padrão variarem em função do tamanho das árvores sugere que a escala apropriada de modelagem da biomassa possa ser a escala logarítmica.  Ou seja, que as medidas têm uma distribuição log-normal, o que faz com que a média aumente com a variância. O gráfico na escala logarítmica sugere uma relação linear com variância aproximadamente constante:
+<code rsplus>
+> par(mfrow=c(1,1))
+> plot( log(total) ~  log(dap^2*ht), data=esa )
+>
+</code>
+==== Verificando o Modelo Gaussiano através dos Resíduos  ====
+Para verificar essa possibilidade, devemos analisar (graficamente) os resíduos do modelo ajustado.  Infelizmente, não temos ainda funções que calculem automaticamente //valor ajustado// e //resíduo// para modelos ajustados pela função "''mle''". Então vamos fazer isto passo a passo:
+<code rsplus>
+# Primeiro construir um novo 'data.frame' para conter os valores ajustados e resíduo
+head(esa)
+  arvore classe talhao  dap    ht tronco sobra folha  total
+      6      c     22 19.9 21.50 183.64 20.42  8.57 212.64
+      8      b     23 12.4 15.74  42.29  6.58  2.52  51.40
+      7      c     32 16.5 11.74  60.61 11.35 48.52 120.49
+      8      a     32  9.0  7.72  12.28  9.99 27.67  49.95
+      9      a     32  7.0  6.55  11.86  7.97  7.76  27.61
+      9      b     32 10.5  8.79  26.10  7.48 23.36  56.95
+esa2 <- esa[, c("arvore","dap","ht","total")]
+summary( gauss03b )
+coef( gauss03b )
+        b0         b1         a1
+.93781767 0.02753308 0.46753874
+g3b.coef <- coef( gauss03b )
+esa2$total.fit <- g3b.coef["b0"] + g3b.coef["b1"] * esa2$dap^2 * esa2$ht
+esa2$total.res <- esa2$total - esa2$total.fit
+# Gráfico de dispersão do resíduo contra valor ajustado
+par(mfrow=c(1,1))
+plot( esa2$total.fit, esa2$total.res )
+abline(h=0, col="red", lty=2)
+lines(lowess( esa2$total.fit, esa2$total.res ) )
+# Gráfico Quantil-Quantil (para Normal) dos resíduos
+qqnorm( esa2$total.res )
+qqline( esa2$total.res )
+</code>
+O gráfico quantil-quantil sugere que os resíduos ainda não se comportam adequadamente sob a distribuição Gaussiana.
+==== Ajuste do Modelo Log-Normal  ====
+Podemos ajustar o modelo Log-Normal, tomando a variável combinada (dap^2 * ht) como preditora na função do parâmetro $\mu$ da logn-normal.
+<WRAP center round important 60%>
+Lembre que os parâmetros $\mu$ e $\sigma$ da distribuição log-normal correspondem à média e desvio-padrão dos  **logaritmos** da variável.
+</WRAP>
+Nosso modelo pode agora ser expresso assim:
+$$ B \sim LN( \mu =  \beta_0 + \beta_1 (d^2\ h), \ \sigma = \alpha ) $$
+Ou seja:
+<WRAP center round box 60%>
+"$B$ é uma variável **log-normal** com parâmetro $\mu$ que é uma função linear de $(d^2\ h)$ e parâmetro $\sigma$ que é uma constante"
+</WRAP>
+Para ajustar este modelo criamos uma função de log-verossimilhança usando a função de densidade da log-normal, ao invés da densidade normal que usamos até agora:
+<code rsplus>
+> sd(log(esa2$total))
+[1] 1.040294
+>
+> nllikLGauss <- function(b0=0, b1=1,  slog=1)
++ {
++         mlog <- b0+b1*log(esa$dap^2*esa$ht)
++         -sum(stats::dlnorm(esa$total,mlog,slog,log=T))
++ }
+>
+> lgauss01 <- mle2( nllikLGauss )
+There were 16 warnings (use warnings() to see them)
+> warnings()[1]
+$`NaNs produced`
+dlnorm(x, meanlog, sdlog, log)
+> summary(lgauss01)
+Maximum likelihood estimation
+Call:
+mle2(minuslogl = nllikLGauss)
+Coefficients:
+      Estimate Std. Error z value     Pr(z)
+b0   -2.360370   0.374313 -6.3059 2.866e-10 ***
+b1    0.859640   0.049362 17.4150 < 2.2e-16 ***
+slog  0.334126   0.039378  8.4852 < 2.2e-16 ***
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+-2 log L: 317.4077
+>
+> par(mfrow=c(2,2))
+> plotprofmle( profile( lgauss01 ) )
+There were 50 or more warnings (use warnings() to see the first 50)
+>
+</code>
+Mas podemos as variáveis usar as variáveis  DAP e altura como duas variáveis preditoras na função preditora da média:
+<code rsplus>
+> nllikLGauss2 <- function(b0=0, b1=2, b2=1,  slog=1)
++ {
++         mlog <- b0+b1*log(esa$dap) +b2*log(esa$ht)
++         -sum(stats::dlnorm(esa$total,mlog,slog,log=T))
++ }
+> lgauss02 = mle2( nllikLGauss2 )
+There were 23 warnings (use warnings() to see them)
+> summary(lgauss02)
+Maximum likelihood estimation
+Call:
+mle2(minuslogl = nllikLGauss2)
+Coefficients:
+      Estimate Std. Error z value     Pr(z)
+b0   -1.705500   0.323898 -5.2656 1.398e-07 ***
+b1    2.438150   0.169665 14.3704 < 2.2e-16 ***
+b2   -0.096743   0.204594 -0.4729    0.6363
+slog  0.261749   0.030848  8.4852 < 2.2e-16 ***
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+-2 log L: 299.8304
+> par(mfrow=c(2,2))
+> plotprofmle( profile( lgauss02 ) )
+There were 50 or more warnings (use warnings() to see the first 50)
+>
+</code>
+\
+===== Comparação Geral dos Modelos  =====
+Façamos uma comparação geral dos modelos justados, usando o Critério de Informação de Akaike , o AIC ((Veremos com detalhe o uso do AIC na unidade sobre [[07-selecao:07-selecao|seleção de modelos]]. Aqui basta saber que o AIC expressa perda de informação quando o modelo é usado para expressar os dados. Então quanto menor o AIC de um modelo melhor descrição dos dados ele será, pois reteve mais informação do que foi observado.))
+^ Nome do Modelo ^ Parâmetro ^ Função ^ AIC ^
+|                |           |        |     |
+^ gauss01 | média         | $$\mu$$                       |   |
+|         | desvio padrão | $$\sigma$$                    | 423.8 |
+|         |               |                               |          |
+^ gauss02 | média         | $$\beta_0 + \beta_1 (d^2 h)$$  |   |
+|         | desvio padrão | $$\sigma$$                    |  339.4 |
+|         |               |                               |          |
+^ gauss03 | média         | $$\beta_0 + \beta_1 (d^2 h)$$  |   |
+|         | desvio padrão | $$\alpha_0 (d^2 h)^{\alpha_1}$$ | 325.3  |
+|         |               |                               |          |
+^ gauss03b| média         | $$\beta_0 + \beta_1 (d^2 h)$$  |   |
+|         | desvio padrão | $$\alpha_0 + \alpha_1 (d^2 h)^{(1/2)}$$ | 325.4  |
+|         |               |                               |          |
+^ gauss04 | média         | $$ \beta_0(d^2 h)^{\beta_1} $$   |   |
+|         | desvio padrão | $$\alpha_0 (d^2 h)^{\alpha_1}$$ | 324.8  |
+|         |               |                               |          |
+^ gauss05 | média         | $$\beta_0 (d)^{\beta_1}\ (h)^{\beta_2}$$  |   |
+|         | desvio padrão | $$\alpha_0 (d^2 h)^{\alpha_1}$$           | 303.3  |
+|         |               |                               |          |
+^ lgauss01  | média       | $$\beta_0 + \beta_1 \ln(d^2h)$$  |   |
+|         | desvio padrão | $$\sigma$$                      | 323.4 |
+|         |               |                               |          |
+^ lgauss02 | média        | $$\beta_0 + \beta_1\ln(d) + \beta_2\ln(h)$$  |   |
+|         | desvio padrão | $$\sigma$$                                   |  307.8 |
+|         |               |                               |          |
+** Questões: **
+  * Qual a importância da **//forma funcional//** do modelo que descreve a média?
+  * Qual a importância da **//forma funcional//** do modelo que descreve o desvio padrão?
+  * Existe diferença quando se muda da distribuição Gaussiana para a LogNormal ?
+  * A diferença de distribuição independe da forma funcional do modelo da média ?
+===== Exemplo do Princípio da Parcimônia  =====
+Trabalhamos em todos os modelos até esse ponto com duas variáveis preditoras: DAP (dap) e altura (ht).  Mas qual o desempenho de um modelo mais simples com apenas o DAP como variável preditora.  O poder explicativo desse modelo mais simples será tão bom quanto o do modelo com ambas variáveis?
+Primeiro a definição da função de log-verossimilhança negativa para o modelo com apenas o DAP baseado na distribuição Gausssiana:
+<code rsplus>
+> nllikGauss6 <- function(b0=-1.7, b1=2.44, a0 = 1, a1 = 10)
++ {
++     m <- exp(b0) * esa$dap^b1
++     s <-  exp(a0)*esa$dap^a1
++     -sum(stats::dnorm(x=esa$total, mean=m, sd=s,log=T))
++ }
+>
+> gauss06 = mle2( nllikGauss6 )
+> summary(gauss06)
+Maximum likelihood estimation
+Call:
+mle2(minuslogl = nllikGauss6)
+Coefficients:
+   Estimate Std. Error z value     Pr(z)
+b0 -1.93689    0.35830 -5.4058 6.452e-08 ***
+b1  2.43132    0.12336 19.7098 < 2.2e-16 ***
+a0  1.15232    0.93431  1.2333   0.21745
+a1  0.61590    0.37430  1.6455   0.09987 .
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+-2 log L: 294.9407
+> par(mfrow=c(2,2))
+> plotprofmle( profile(gauss06) )
+>
+> AICtab(gauss06, gauss05, base=TRUE, logLik=TRUE)
+        logLik AIC    dLogLik dAIC   df
+gauss06 -147.5  302.9    0.0     0.0 4
+gauss05 -146.7  303.3    0.8     0.4 5
+>
+</code>
+Vejamos agora no caso da distribuição LogNormal:
+<code rsplus>
+> nllikLGauss3 <- function(b0=0, b1=2,  slog=1)
++ {
++         mlog <- b0+b1*log(esa$dap)
++         -sum(stats::dlnorm(esa$total,mlog,slog,log=T))
++ }
+> lgauss03 = mle2( nllikLGauss3)
+Warning messages:
+: In dlnorm(x, meanlog, sdlog, log) : NaNs produced
+: In dlnorm(x, meanlog, sdlog, log) : NaNs produced
+: In dlnorm(x, meanlog, sdlog, log) : NaNs produced
+: In dlnorm(x, meanlog, sdlog, log) : NaNs produced
+: In dlnorm(x, meanlog, sdlog, log) : NaNs produced
+: In dlnorm(x, meanlog, sdlog, log) : NaNs produced
+: In dlnorm(x, meanlog, sdlog, log) : NaNs produced
+: In dlnorm(x, meanlog, sdlog, log) : NaNs produced
+> summary(lgauss03)
+Maximum likelihood estimation
+Call:
+mle2(minuslogl = nllikLGauss3)
+Coefficients:
+      Estimate Std. Error z value     Pr(z)
+b0   -1.795293   0.263208 -6.8208 9.052e-12 ***
+b1    2.374943   0.104812 22.6591 < 2.2e-16 ***
+slog  0.262563   0.030944  8.4851 < 2.2e-16 ***
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+-2 log L: 300.0533
+> plotprofmle( profile(lgauss03) )
+There were 50 or more warnings (use warnings() to see the first 50)
+>
+> AICtab(lgauss03, lgauss02, base=TRUE, logLik=TRUE)
+         logLik AIC    dLogLik dAIC   df
+lgauss03 -150.0  306.1    0.0     0.0 3
+lgauss02 -149.9  307.8    0.1     1.8 4
+</code>
+** Questão: **
+  * Como os modelos mais simples (apenas com o DAP) se compara aos modelos análogos mais complexos?
+  * A variável altura (ht) é uma variável importante para a predição da biomassa nesse caso?
+===== A Influência do Tamanho da Amostra =====
+Nos exemplos acima, vimos que para vários modelos a curva de verossimilhança perfilhada se mostrou problemática para vários parâmetros.   Esse problema pode ser função do tipo de dado ou do tamanho da amostra.  Neste tutorial mostramos o efeito que o tamanho da amostra tem sobre a qualidade do ajuste, e portanto dos perfis de log-verossimilhança.
+Vamos usar um exemplo com os modelos de **//relação funcional não-linear//** para média.  Para isso utilizaremos os dados do arquivo
+"''{{:06-gaussiana:egrandis.csv|egrandis.csv}}''" com dados de árvores de plantações de //Eucalyptus grandis// na região central do Estado de São Paulo.
+<code rsplus>
+> euca.egr = read.table("egrandis.csv", header=T, as.is=TRUE, sep=";")
+> head( euca.egr )
+> dim( euca.egr )
+</code>
+Ajustaremos em que o volume de madeira das árvores ("''vol''")  é uma variável Gaussiana com média como uma função de potência do DAP ("''dap''") e altura ("''ht''") , e desvio-padrão como uma função de potência de  $(dap^2 ht)$:
+$$Y \ \sim \ N(\mu=\beta_0   \mathrm{dap}^{\beta_1}  \mathrm{ht}^{\beta_2} , \ \sigma = \alpha_0  (dap^2 ht)^{\alpha_1} $$
+Assumindo o conjunto completo do dados como uma "população", vamos gerar //sub-//conjuntos de dados, para representar amostras de diferentes tamanhos: 100, 150, 200, 500 e 1000 árvores:
+<code rsplus>
+> N = dim( euca.egr )[1]
+> egr.100 = euca.egr[ sample(1:N, 100), ]
+> egr.150 = euca.egr[ sample(1:N, 150), ]
+> egr.200 = euca.egr[ sample(1:N, 200), ]
+> egr.500 = euca.egr[ sample(1:N, 500), ]
+> egr.1000 = euca.egr[ sample(1:N, 1000), ]
+</code>
+E então criamos uma função de log-verossimilhança negativa para o modelo:
+<code rsplus>
+> nllikGauss5.egr <- function(b0=-1.7, b1=2.44, b2=-0.097 , a0 = 1, a1 = 10)
++ {
++     m <- exp(b0) * dap^b1 * ht^b2
++     s <-  exp(a0)*(dap^2*ht)^a1
++     -sum(stats::dnorm(x=vol, mean=m, sd=s,log=T))
++ }
+</code>
+E ajustamos  o modelo e gerando os perfis dos parâmetros para a amostra $n = 100$:
+<code rsplus>
+> dap = egr.100$dap
+> ht = egr.100$ht
+> vol = egr.100$vol
+> gauss.100 = mle2( nllikGauss5.egr )
+> gauss.100.prof = profile( gauss.100 )
+</code>
+Ajustando o modelo e gerando os perfis dos parâmetros para a amostra $n = 150$:
+<code rsplus>
+> dap = egr.150$dap
+> ht = egr.150$ht
+> vol = egr.100$vol
+> gauss.150 = mle2( nllikGauss5.egr )
+> gauss.150.prof = profile( gauss.150 )
+</code>
+Ajustando o modelo e gerando os perfis dos parâmetros para a amostra $n = 200$:
+<code rsplus>
+> dap = egr.200$dap
+> ht = egr.200$ht
+> vol = egr.200$vol
+> gauss.200 = mle2( nllikGauss5.egr )
+> gauss.200.prof = profile( gauss.200 )
+</code>
+Ajustando o modelo e gerando os perfis dos parâmetros para a amostra $n = 500$:
+<code rsplus>
+> dap = egr.500$dap
+> ht = egr.500$ht
+> vol = egr.500$vol
+> gauss.500 = mle2( nllikGauss5.egr )
+> gauss.500.prof = profile( gauss.500 )
+>
+</code>
+Ajustando o modelo e gerando os perfis dos parâmetros para a amostra $n = 1000$:
+<code rsplus>
+> dap = egr.1000$dap
+> ht = egr.1000$ht
+> vol = egr.1000$vol
+> gauss.1000 = mle2( nllikGauss5.egr )
+> gauss.1000.prof = profile( gauss.1000 )
+>
+</code>
+Ajustando o modelo e gerando os perfis dos parâmetros para a "população" $n = N$:
+<code rsplus>
+> dap = euca.egr$dap
+> ht = euca.egr$ht
+> vol = euca.egr$vol
+> gauss.euca = mle2( nllikGauss5.egr )
+> gauss.euca.prof = profile( gauss.euca )
+</code>
+Produzindo os gráficos do verossimilhança perfilhada para todos os parâmetros, para modelos ajustados a cada amostra:
+<code rsplus>
+> par(mfrow=c(2,3))
+> plotprofmle( gauss.100.prof )
+> par(mfrow=c(2,3))
+> plotprofmle( gauss.150.prof )
+> par(mfrow=c(2,3))
+> plotprofmle( gauss.200.prof )
+> par(mfrow=c(2,3))
+> plotprofmle( gauss.500.prof )
+> par(mfrow=c(2,3))
+> plotprofmle( gauss.1000.prof )
+> par(mfrow=c(2,3))
+> plotprofmle( gauss.euca.prof )
+</code>
+Focalizando especificamente na MLE do parâmetro $\beta_1$ (segundo parâmetro):
+<code rsplus>
+> par(mfrow=c(2,3))
+> plotprofmle( gauss.100.prof , which=2); title(main="n=100")
+> plotprofmle( gauss.150.prof , which=2); title(main="n=150")
+> plotprofmle( gauss.200.prof , which=2); title(main="n=200")
+> plotprofmle( gauss.500.prof , which=2); title(main="n=500")
+> plotprofmle( gauss.1000.prof , which=2); title(main="n=1000")
+> plotprofmle( gauss.euca.prof , which=2); title(main="n=N")
+</code>
+Focalizando especificamente na MLE do parâmetro $\beta_2$ (terceiro parâmetro):
+<code rsplus>
+> par(mfrow=c(2,3))
+> plotprofmle( gauss.100.prof , which=3); title(main="n=100")
+> plotprofmle( gauss.150.prof , which=3); title(main="n=150")
+> plotprofmle( gauss.200.prof , which=3); title(main="n=200")
+> plotprofmle( gauss.500.prof , which=3); title(main="n=500")
+> plotprofmle( gauss.1000.prof , which=3); title(main="n=1000")
+> plotprofmle( gauss.euca.prof , which=3); title(main="n=N")
+</code>
+**Questões:**
+  * Qual a influência do tamanho da amostra no valor da MLE obtida?
+  * Qual a influência do tamanho da amostra sobre a curva de verossimilhança perfilhada? Como isso deve ser interpretado em termos de qualidade da estimatição?
+  * A influência do tamanho da amostra é a mesma sobre as MLE de todos os parâmetros?
+===== Modelo da ANOVA =====
+Neste tutorial **opcional** descrevemos e ajustamos o modelo estatístico que está por trás da análise de variância.
+Usaremos os dados do exemplo 12.1 de Zar (1999)((Zar, J.H. 1999. Biostatistical Analysis. 4th Ed., Prentice Hall.)), que são medidas de concentração de cálcio plasmático em aves machos e fêmeas, metade das quais foi sorteada para receber um tratamento com um hormônio:
+<code rsplus>
+calcium <- c(16.5,18.4,12.7,14,12.8,
+.5,11,10.8,14.3,10.0,
+.1,26.2,21.3,35.8,40.2,
+.0,23.8,28.8,25.0,29.3)
+hormonio <- factor(rep(c("NO","YES"),each=10))
+sexo <- factor(rep(c("F","M","F","M"),c(5,5,5,5)))
+</code>
+Este experimento tem dois fatores (sexo e tratamento com hormônio), cada um com dois níveis. Na abordagem de teste de significância, uma ANOVA é usada para testar as seguintes hipóteses nulas a respeito dos efeitos dos fatores sobre a variável resposta, que é a concentração de cálcio plasmático:
+  - Não há efeito do sexo da ave;
+  - Não há efeito do tratamento com o hormônio;
+  - Não há interação entre os dois fatores acima.
+==== Especificando o Modelo ====
+Como todo teste de significância, a ANOVA tem um modelo subjacente, que fica evidente se lembramos de duas de suas premissas:
+  - As amostras vêm de populações estatísticas com variâncias iguais;
+  - As amostras vêm de populações estatísticas de medidas com distribuição normal.
+Portanto, a variável-resposta está descrita neste modelo como uma variável normal, cuja média é afetada pelos fatores, e a variância (e portanto o desvio-padrão) é constante. Como na variável normal média e desvio-padrão correspondem aos parâmetros, nosso modelo pode ser representado assim:
+$$ Y \ \sim \ N(\mu=f(X_i)\ , \ \sigma=c)$$
+Que lemos:
+<WRAP center round box 60%>
+"$Y$ é uma variável Gaussiana, com parâmetro $\mu$ que é uma função de preditoras $X_i$, e parâmetro $\sigma$ constante."
+</WRAP>
+==== Modelo de Médias ====
+Uma das maneira de representar o efeito dos fatores sobre o valor esperado da variável-resposta é substituir $\mu$ na expressão acima pela média do grupo experimental de cada observação.
+Como temos um experimento com dois fatores de dois níveis cada, temos quatro grupos:
+<code rsplus>
+> intval <- interaction(hormonio,sexo)
+> intval
+ [1] NO.F  NO.F  NO.F  NO.F  NO.F  NO.M  NO.M  NO.M  NO.M  NO.M  YES.F YES.F
+[13] YES.F YES.F YES.F YES.M YES.M YES.M YES.M YES.M
+Levels: NO.F YES.F NO.M YES.M
+</code>
+Cujas médias são:
+<code rsplus>
+> medias <- tapply(calcium,intval,mean)
+> medias
+ NO.F YES.F  NO.M YES.M
+.88 32.52 12.12 27.78
+</code>
+Definindo $Y_{ij\cdot}$ como os valores do grupo experimental definido pelo nível $i$ do primeiro fator e nível $j$ do segundo fator, nosso modelo torna-se:
+$$Y_{ij\cdot}\  \sim \  N(\mu=E[Y_{ij\cdot}]\ , \ \sigma=c)$$
+Onde $E[Y_{ij\cdot}]$ é o valor esperado, ou a média, de $Y$ em cada grupo. Podemos definir uma função de verossimilhança para este modelo da seguinte forma:
+<code rsplus>
+LL.m3a <- function(NO.F,YES.F,NO.M,YES.M,sigma){
+  intval <- interaction(hormonio,sexo)
+  media <- c(NO.F,YES.F,NO.M,YES.M)[intval]
+  -sum(dnorm(calcium,mean=media,sd=sigma,log=T))
+}
+</code>
+Detalhes sobre esta função estão no fim desta seção.
+Agora podemos minimizar esta função com o ''mle2'', usando como valores iniciais as médias dos grupos e o desvio-padrão geral:
+<code rsplus>
+library("bbmle") # carrega o pacote, desde que instalado
+m3a <- mle2(LL.m3a,start=c(as.list(medias),sigma=sd(calcium)))
+</code>
+Os valores estimados das médias dos grupos correspondem aos valores iniciais, pois os MLEs das médias dos grupos são as médias amostrais:
+<code rsplus>
+> coef(m3a)
+    NO.F    YES.F     NO.M    YES.M    sigma
+.88000 32.52000 12.12000 27.78000  4.28002
+> medias
+ NO.F YES.F  NO.M YES.M
+.88 32.52 12.12 27.78
+</code>
+Vamos inspecionar os perfis de verossimilhança destas estimativas, colocando-os todos no mesmo gráfico. Para isto baixe o código da função {{:06-gaussiana:plot-prof-aov.r|plot.prof.aov}} para seu diretório de trabalho e carregue-o em sua área de trabalho:
+<code rsplus>
+source("plot-prof-aov.r")
+</code>
+E agora podemos avaliar os perfis de verossimilhança dos valores esperados para cada grupo com
+<code rsplus>
+m3a.prof <- profile(m3a)
+plot.prof.aov(m3a.prof,which=1:4)
+</code>
+Os intervalos de plausibilidade de machos e fêmeas sob o mesmo tratamento de hormônio estão sobrepostos, sugerindo que não haja efeito do sexo, apenas da aplicação do hormônio. Para avaliar isto ajustamos um novo modelo, sem efeito do sexo:
+<code rsplus>
+##função de verossimilhança
+LL.m2a <- function(NO,YES,sigma){
+  media <- c(NO,YES)[hormonio]
+  -sum(dnorm(calcium,mean=media,sd=sigma,log=T))
+}
+##Ajuste
+m.horm <- tapply(calcium,hormonio,mean)
+m2a <- mle2(LL.m2a,start=list(NO=m.horm[1],YES=m.horm[2],sigma=sd(calcium)))
+</code>
+Os valores estimados correspondem às médias dos grupos:
+<code rsplus>
+> m.horm
+   NO   YES
+.50 30.15
+> coef(m2a)
+      NO      YES    sigma
+.49998 30.14997  4.69880
+</code>
+Não há sobreposição nos intervalos, indicando diferenças nos valores esperados das concentrações de cálcio dos dois grupos, segundo este modelo:
+<code rsplus>
+m2a.prof <- profile(m2a)
+plot.prof.aov(m2a.prof,which=1:2)
+</code>
+Vamos ainda  considerar um modelo mais simples, que descreve a hipótese de ausência de efeitos dos dois fatores:
+<code rsplus>
+LL.m1a <- function(media,sigma){
+  -sum(dnorm(calcium,mean=media,sd=sigma,log=T))
+}
+m1a <- mle2(LL.m1a,start=list(media=mean(calcium),sigma=sd(calcium)))
+</code>
+Os resultados anteriores indicam um efeito do hormônio. Mas para representar com modelos todas as hipóteses da ANOVA vamos também ajustar o modelo apenas com efeito do sexo:
+<code rsplus>
+LL.m4a <- function(F,M,sigma){
+  media <- c(F,M)[sexo]
+  -sum(dnorm(calcium,mean=media,sd=sigma,log=T))
+}
+m.sexo <- tapply(calcium,sexo,mean)
+m4a <- mle2(LL.m4a,start=list(F=m.sexo[1],M=m.sexo[2],sigma=sd(calcium)))
+</code>
+E agora comparamos os quatro modelos com o AIC corrigido para pequenas amostras:
+<code rsplus>
+> AICctab(m1a,m2a,m3a,m4a,delta=T,sort=T,weights=T,
+          nobs=length(calcium))
+    AICc  df dAICc weight
+m2a 126.2 3    0.0 0.821
+m3a 129.2 5    3.1 0.179
+m1a 151.8 2   25.6 <0.001
+m4a 153.8 3   27.6 <0.001
+</code>
+O modelo mais plausível é o que descreve as medidas de cálcio como variáveis aleatórias com valores esperados diferentes para o grupo controle e o que recebeu hormônio. Isto indica que não há efeito do sexo nem da interação entre sexo e hormônio. O teste F aponta para a mesma conclusão:
+<code rsplus>
+> summary(aov(calcium~hormonio*sexo))
+              Df  Sum Sq Mean Sq F value    Pr(>F)
+hormonio       1 1386.11 1386.11 60.5336 7.943e-07 ***
+sexo           1   70.31   70.31  3.0706   0.09886 .
+hormonio:sexo  1    4.90    4.90  0.2140   0.64987
+Residuals     16  366.37   22.90
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+</code>
+== Um modelo que não está na ANOVA ==
+Podemos ir além da ANOVA não só explicitando os modelos que ela usa, como também propondo novos.
+Por exemplo, podemos investigar a premissa de igualdade de variâncias com um modelo em que cada nível do fator hormônio pode ter um desvio-padrão diferente:
+<code rsplus>
+## Função para calculo do MLE do desvio-padrão
+sd.mle <- function(x){sqrt((var(x)*(length(x)-1))/length(x))}
+## MLEs dos desvios de cada grupo
+sigma.horm <- tapply(calcium,hormonio,sd.mle)
+##Função de verossimilhança
+LL.m5a <- function(NO,YES,sigma.NO,sigma.YES){
+  media <- c(NO,YES)[hormonio]
+  sigma <- c(sigma.NO,sigma.YES)[hormonio]
+  -sum(dnorm(calcium,mean=media,sd=sigma,log=T))
+}
+## Ajuste do modelo
+m5a <- mle2(LL.m5a,start=list(NO=m.horm[1],
+                     YES=m.horm[2],
+                     sigma.NO=sigma.horm[1],
+                     sigma.YES=sigma.horm[2]))
+</code>
+Os valores estimados dos parâmetros correspondem às estimativas obtidas das amostras, que foram usadas como valores iniciais no ajuste:
+<code rsplus>
+> coef(m5a)
+       NO       YES  sigma.NO sigma.YES
+.500000 30.150000  2.486367  6.162533
+> m.horm
+   NO   YES
+.50 30.15
+> sigma.horm
+      NO      YES
+.486363 6.162508
+</code>
+E os perfis de verossimilhança mostram que a precisão das estimativas das médias melhorou um pouco
+<code rsplus>
+m5a.prof <- profile(m5a)
+plot.prof.aov(m5a.prof,which=1:2)
+</code>
+E que os intervalos de plausibilidade para as estimativas dos desvios-padrão estão ligeiramente sobrepostos:
+<code rsplus>
+plot.prof.aov(m5a.prof,which=3:4,legenda="bottomright")
+</code>
+Apesar disto, o AICc indica que este modelo é mais plausível do que o anteriormente selecionado:
+<code rsplus>
+> AICctab(m1a,m2a,m3a,m4a,m5a,delta=T,sort=T,weights=T,
+          nobs=length(calcium))
+    AICc  df dAICc weight
+m5a 122.0 4    0.0 0.8668
+m2a 126.2 3    4.1 0.1094
+m3a 129.2 5    7.2 0.0238
+m1a 151.8 2   29.8 <0.001
+m4a 153.8 3   31.8 <0.001
+</code>
+== Sobre as funções de verossimilhança deste tutorial ==
+Neste tutorial criamos funções de verossimilhança no R para modelos que têm fatores como variáveis preditoras como proposto no capítulo 9 de Bolker (2008)((Bolker, B. (2008). Ecological Models and Data in R. Princeton, Princeton University Press.)).
+A ideia é usar a indexação para criar um vetor que indica um valor esperado diferente para cada grupo. Nesta função, o valor do argumento ''mean'' da função de densidade da normal é substituído por quatro parâmetros (''NO.F'',''YES.F'',''NO.M'',''YES.M''), que representam os valores esperados de cada grupo experimental.
+Isto é feito na terceira linha da função:
+<code rsplus>
+media <- c(NO.F,YES.F,NO.M,YES.M)[intval]
+</code>
+Para entender como isto funciona, veja o que ocorre com os comandos:
+<code rsplus>
+intval <- interaction(hormonio,sexo)
+intval
+medias <- tapply(calcium,intval,mean)
+medias
+medias[intval]
+data.frame(hormonio,sexo,calcium,medias[intval])
+</code>
+==== Modelos de Efeitos ====
+Uma outra maneira de parametrizar o modelo da ANOVA é definir $\mu$ como uma relação linear:
+$$\mu \ = \ \beta_0 + \beta_1X_1 + \beta_2X_2 + \beta_3X_1X_2$$
+Onde a variável preditora $X_1$  é o fator hormônio, com valor $X_1=0$ para as aves que não receberam hormônio, e $X_1=1$ para as que receberam. Da mesma forma, $X_2=0$ para fêmeas $X_2=1$ para machos.
+Desta maneira, o valor esperado para as fêmeas que não receberam o hormônio será o intercepto da equação linear:
+$$\mu_{F.N} \ = \ \beta_0 \ + \beta_1 \times 0 \ + \beta_2 \times 0 \ + \beta_3 \times 0 \times 0 = \beta_0$$
+Do mesmo modo, o valor esperado para fêmeas que receberam hormônio será
+$$\mu_{F.Y} \ = \beta_0 \ + \beta_1 \times 1 \ + \beta_2 \times 0 \ + \beta_3 \times 1 \times 0 = \beta_0 + \beta_1$$
+Portanto $\beta_1$ representa a diferença entre a média das fêmeas que não receberam o hormônio e a das fêmeas que receberam. Em outras palavras, é o quanto o tratamento com hormônio acrescenta ao valor esperado, ou o **efeito** deste tratamento.
+Da mesma forma, $\beta_2$ é o efeito do sexo masculino. Por fim, o parâmetro $\beta_3$ permite que o efeito dos dois fatores combinados seja diferente da soma dos efeitos de cada fator, o que configura uma interação entre fatores:
+$$\mu_{M.Y} \ = \beta_0 + \beta_1 + \beta_2 + \beta_3$$
+Para ajustar este modelo no R usamos:
+<code rsplus>
+## Diferencas entre as medias
+d.sexo <- diff(m.sexo)
+d.horm <- diff(m.horm)
+##Função de verossimilhança
+LL.m3b <- function(intercepto,e.horm,e.sex,int,sigma){
+  media <- intercepto+e.horm*(hormonio=="YES")+e.sex*(sexo=="M")+
+    int*(hormonio=="YES"&sexo=="M")
+  -sum(dnorm(calcium,mean=media,sd=sigma,log=T))
+}
+##Ajuste do modelo
+m3b <- mle2(LL.m3b,start=list(intercepto=mean(calcium[hormonio=="NO"&sexo=="F"]),
+                   e.horm=d.horm,e.sex=d.sexo,int=0,
+                   sigma=sd(calcium)))
+</code>
+Neste tipo de modelo, se um intervalo de verossimilhança de um parâmetro inclui o zero, é plausível que este efeito seja nulo. Verifique isto para o modelo ajustado acima com:
+<code rsplus>
+m3b.prof <- profile(m3b)
+par(mfrow=c(3,2))
+plotprofmle(m3b.prof)
+</code>
+A conclusões são coerentes com as obtidas com a parametrização anterior? Vamos comparar os MLEs dos mesmos modelos com os dois tipos de parametrização:
+<code rsplus>
+> cf.m3b <- coef(m3b)
+> cf.m3b
+intercepto     e.horm      e.sex        int      sigma
+.880142  17.639741  -2.760148  -1.979652   4.280016
+</code>
+Para fêmeas que receberam hormônio, o modelo de efeitos prevê um valor esperado de
+<code rsplus>
+> as.numeric(cf.m3b[1]+cf.m3b[2])
+[1] 32.51988
+</code>
+Você vê a correspondência entre os dois modelos? Compare com as estimativas dos parâmetros obtidas para o mesmo modelo, na seção anterior:
+<code rsplus>
+> cf.m3a <- coef(m3a)
+> cf.m3a
+    NO.F    YES.F     NO.M    YES.M    sigma
+.88000 32.52000 12.12000 27.78000  4.28002
+</code>
+=== Efeitos em Modelos no R ===
+A parametrização dos modelos como efeitos aditivos que descrevemos acima é a usada no R para modelos lineares com variáveis preditoras contínuas ou categóricas não ordenadas.
+Verifique isto comparando os coeficientes obtidos acima para o modelo com interação com os obtidos com
+<code rsplus>
+summary(lm(calcium~hormonio*sexo))
+</code>
+=== Notação de Fórmula da mle2 ===
+A função ''mle2'' aceita a mesma notação de [[http://ecologia.ib.usp.br/bie5782/doku.php?id=bie5782:03_apostila:06-modelos#a_fun%C3%A7%C3%A3o_lm|fórmula estatística do R]], como usado no comando ''lm'' acima.
+Compare os resultados dos ajustes do modelo com interação com este novo modelo:
+<code rsplus>
+## É preciso colocar as variaveis em um dataframe
+df <- data.frame(calcium=calcium,
+                 hormonio=hormonio, sexo=sexo)
+m3c <- mle2(calcium~dnorm(mean=media, sd=sigma),
+            parameters=list(media~hormonio*sexo,sigma~1),
+            start=list(media=mean(calcium),sigma=sd(calcium)),
+            data = df)
+</code>
+\\
+------------------
+\\
+====== Questões motivadoras ======
+===1. Modelo Gaussiano x modelo da regressão linear===
+Neste curso temos descrito o modelo Gaussiano com a média dependente de uma medida preditora $X$ como:
+$$ Y \sim  N ( \mu = a_0 + a_1 X, \sigma = b_0) $$
+A regressão linear simples é muitas vezes expressa da seguinte maneira:
+$$ Y = a_0 + a_1 X + \epsilon$$
+onde  $\epsilon \sim N(\mu = 0,  \sigma)$
+Explique porque estas duas formulações são equivalentes.
+=== 2. Modelo de função de potência ===
+Em muito arquipélagos, a relação entre número esperado de espécies $S$ em cada ilha e área da ilha $A$ é bem aproximada  pela relação de potência seguinte:
+$$ S = \alpha A ^{\beta} $$
+Como é possível obter estimativas dos parâmetros $\alpha$ e $\beta$  de uma amostra de valores de $S$ e $A$, por meio de um ajuste de  regressão linear simples? Demonstre com  {{ :06-gaussiana:ants.xls |estes dados}}, de número de espécies de formigas em manchas de vegetação na Califórnia para demonstrar sua solução.
+===3. Interpretação do intercepto ===
+  - Qual sua interpretação do intercepto estimado pelo modelo [[:06-gaussiana:#modelo_com_media_como_funcao_linear| com média como função linear do tamanho das árvores]]?
+  - Um modelo com intercepto fixo em zero seria mais adequado? Por que?
+===4. Dados exponenciais ===
+Use o R para simular o seguinte:
+  - Uma amostra de 100 observações de uma variável uniforme entre $-2$ e $2$. Chame este vetor de ''X''
+  - Uma amostra de 100 observações de uma normal com média igual a $\mu = 0,3  X - 1$ e desvio-padrão $\sigma = 0,2$. Chame este vetor de ''Y1''
+  - Exponencie os valores de ''Y1'' e guarde em outro vetor, chamado ''Y2''
+Uma regressão linear simples seria um modelo adequado para descrever  a relação de  Y1 em função de X? E para a relação de Y2 em função de X? Por que?
+====== Exercícios ======
+Faça o exercício 206.1 no sistema [[http://notar.ib.usp.br|notaR]].
+====== Recursos para Estudo ======
+===== Leituras =====
+=== Principal ===
+  * Standard Statistics Revisited, seções 9.1 a 9.3, capítulo 9 de: Bolker, B.M. 2008 Ecological Models and Data in R Princeton: Princeton University Press.
+=== Complementares ===
+  * Likelihood and least squares theory. Seção 1.2.2 do Cap.1 de Burnham, K. P., & Anderson, D. R. (2002). Model Selection and Multimodel Inference: A Practical-Theoretic Approach, 2nd ed. New York, Springer-Verlag.
+  *  {{:06-gaussiana:modelos-gaussianos-univariados-2015.pdf|Apostila de Modelos Gaussianos -- 2015:}} Nesta apostila, que é um pouco mais técnica que a aula, os modelos são ajustados de modo mais prático e realista, isto é,  utilizando as funções **''gls''** e **''gnls''** do pacote **''nlme''** (Pinheiro & Battes).  Para seguir os exemplos e fazer os exercícios você precisará dos seguintes arquivos de dados:
+             * {{:06-gaussiana:sitio-florin.csv|}}
+             * {{:06-gaussiana:esaligna.csv|dados de biomassa de árvores de E.saligna}}
+             * Para fazer os gráficos da Verossimilhança Perfilhada, você pode utilizar a função **''plotprofmle''** do pacote **''sads''**, ou usar a função **''plot.profmle''** do seguinte arquivo-script;
+               * {{:06-gaussiana:plot-profmle.r|}}
+== Uma teoria sobre a relação entre média e variância ==
+  * Taylor, L.R. Aggregation, variance and the mean. Nature, v. 189, n. 4766, p. 732, 1961.
+  * [[https://en.wikipedia.org/wiki/Taylor%27s_law|Lei de Taylor na Wikipedia]]