====== Modelos Binomial e Poisson: Proposta de questões para discussão ======
Crie uma seção para cada proposta. Use a edição para modificar propostas já feitas. use a discussão no fim da página para discutir as propostas.

===== Regressão linear x glms =====
===Caso 1===
Nos [[05-binomial-poisson:05-binomial-poisson|tutoriais dessa unidade]] vimos que a dependência de uma reposta $Y$ Poisson a uma variável preditora $X$ pode ser descrita com o modelo

$$Y \ \sim \ \text{Poisson}(\lambda=e^{a_0 + a_1X}) $$

O que corresponde a afirmar que o logarítmo do valor esperado de $Y$ é uma função linear de $X$:

$$\ln(E[Y]) \ = \ \ln(\lambda) \ =  a_0 + a_1X $$

===Caso 2===
Da mesma maneira, um modelo da dependência de uma variável binomial com número de tentativas $n$ a uma preditora é

$$Y \ \sim \ \text{Bin}\left(N=n \ , \ p=\frac{e^{a_0 + a_1X}}{1+e^{a_0 + a_1X}}\right) $$

O que implica que o logito do parâmetro $p$ é uma função linear de $X$:

$$\ln \left( \frac{p}{1-p} \right) \ = \ a_0 + a_1X$$

===Para dicussão===
Quais as diferenças conceituais e práticas entre os dois modelos acima e os seguintes modelos gaussianos:
  * Regressões lineares dos logarítmos das contagens (caso 1) e do logito das proporções observadas (caso 2), em função da preditora $X$?
  * Modelos não-lineares de relação exponencial das contagens (caso 1) ou logística  das proporções observadas (caso 2) em função de $X$?

~~DISCUSSION~~