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; Wedderburn, Robert (1972). «Generalized Linear Models». Journal of the Royal Statistical Society. Series A (General) [S.l.: s.n.] 135 (3): 370–384. JSTOR 2344614.