Modelo linear generalizado

Origem: Wikipédia, a enciclopédia livre.
Ir para: navegação, pesquisa

Em estatística, o modelo linear generalizado (MLG) é uma flexível generalização da regressão de mínimos quadrados ordinária. Relaciona a distribuição aleatória da variável dependente no experimento (a função de distribuição) com a parte sistemática (não aleatória) (ou preditor linear) através de uma função chamada função de ligação.

Os modelos lineares generalizados foram formulados por John Nelder e Robert Wedderburn como uma maneira de unificar vários modelos estatísticos, incluindo a regressão linear, regressão logística e regressão de Poisson, sob um só marco teórico.[1] Isto lhes permitiu desenvolver um algoritmo geral para a estimativa de máxima verossimilhança em todos estes modelos. Isto pode ser também naturalmente estendido a muitos outros modelos.

Referências

  1. Nelder, John (1972). "Generalized Linear Models". Journal of the Royal Statistical Society. Series A (General) 135 (3): 370–384 pp.. JSTOR 2344614.