A Regressão de Poisson, também conhecida como Modelo Log-Linear de Poisson, faz parte da família de Modelos Lineares Generalizados (GLM) e é adequada para a modelagem de variáveis que envolvam dados de contagem ou taxas.
A interpretação dos parâmetros de um modelo de regressão logística é obtida comparando a probabilidade de sucesso com a probabilidade de fracasso, usando a função odds ratio - OR (razão de chances). Essa função é obtida a partir da função odds.
λ é um número real, igual ao número esperado de ocorrências que ocorrem num dado intervalo de tempo. Por exemplo, se o evento ocorre a uma média de 4 minutos, e estamos interessados no número de eventos que ocorrem num intervalo de 10 minutos, usariámos como modelo a distribuição de Poisson com λ = 10/4 = 2.
Ou seja a distribuição de Poisson é um caso limite da binomial, que se desenvolve quando o número de tentativas n aumenta indefinidamente, enquanto o produto λ=np, que é o valor esperado do número de sucessos das tentativas, permanece constante. Dessa forma considere a PMF binomial: p(x)=P(X=x)=(nx)px(1−p)n−x.
Espaço amostral finito; Apenas dois resultados possíveis (sucesso ou fracasso) para cada tentativa; Todos os elementos devem possuir possibilidades iguais de ocorrência; Eventos devem ser independentes um dos outros.
O que eu preciso para poder usar o teste t?
Os testes t são testes de hipótese úteis na estatística quando é necessário comparar médias. Você pode comparar uma média amostral com um valor hipotético ou com um valor alvo usando um teste t para uma amostra. Você pode comparar as médias de dois grupos com um teste t para duas amostras.
Teste t
Duas amostras aleatórias separadas, uma de cada população, devem ser selecionadas para calcular o teste T resultante. A fórmula para calcular a estatística de teste que compara duas médias populacionais é, Z= ( x - y )/√(σx2/n1 + σy2/n2).
Cálculo de um valor crítico para um teste t com 1 amostra
Para realizar o teste T para amostras independentes existem 2 pressupostos: Que a distribuição dos dados seja normal e que as variâncias sejam homogêneas. O shapiro. test é uma função que testa a normalidade dos dados O leveneTest é uma função que testa a homogeneidade das variâncias.