Departamento de Ciências Básicas da Vida

Um modelo de regressão consiste em relacionar uma variável resposta à uma ou mais variáveis explicativas a fim de entender algum fenômeno. A área de modelagem estatística de regressão recebeu um grande impulso desde a criação dos modelos lineares generalizados (MLG) no início da década de 70. No modelo linear clássico, a variável resposta segue uma distribuição normal e, por isso, é necessário buscar uma solução para atender às demais distribuições. Nelder e Wedderburn (1972), propõem os modelos lineares generalizados que agregam, para a variável resposta, todas as distribuições que pertençam à família exponencial, solucionando o problema. Os objetivos deste trabalho são: apresentar os modelos lineares generalizados como uma alternativa à regressão linear clássica e apresentar o método de Newton-Raphson para estimação de parâmetros. Para tal, será apresentada uma literatura sobre o assunto que será demonstrada por um caso especifico dos modelos lineares generalizados, a regressão logística. Quando se tenta estimar os parâmetros de um MLG encontraremos uma equação sem solução analítica. Para reverter a situação, será apresentado o método de Newton-Raphson que consiste em um processo iterativo. Neste trabalho escolhemos um conjunto de dados sobre seguros de carros e utilizamos a regressão logística, mais especificamente o modelo simples e quadrático. Porém veremos que é inviável realizar os cálculos manualmente e, além disso, requer um alto processamento computacional. Por fim, notamos que Nelder e Wedderburn (1972) realmente inovaram a Análise de Regressão e conseguiram solucionar o problema da regressão clássica.

A análise de regressão é uma técnica que permite explorar e inferir a relação de uma variável dependente com uma ou mais variáveis independentes. O modelo linear, ou também chamado de modelo clássico, relaciona as variáveis por meio de uma função linear nos parâmetros e requer algumas condições para obter-se um modelo válido. Uma das principais é o pressuposto de normalidade dos erros que, devido a aditividade do modelo, pressupõe também a normalidade da variável resposta. Sendo assim, ainda existe uma gama de situações as quais este tipo de modelagem não se mostra apropriada, tais como conjuntos de dados com porcentagem, contagem, categorias e binariedade. Para lidar com essa fragilidade, a proposta mais interessante e pode-se dizer inovadora no assunto foi apresentada por Nelder e Wedderburn (1972), que propuseram os modelos lineares generalizados (MLGs). A ideia básica consiste em abrir o leque de opções para a distribuição da variável resposta. O MLG relaciona as variáveis independentes com a as variáveis explicativas através de uma função de ligação que tem por objetivo linearizar o valor esperado da variável. Ele veio para unificar vários modelos estatísticos e só é valido se a distribuição usada pertencer à família exponencial. O ajuste do modelo baseia-se em encontrar as estimativas de seus parâmetros, podendo ser feita através do método do da máxima verossimilhança, que consiste em determinar qual a distribuição, dentre todas aquelas definidas pelos possíveis valores de seus parâmetros, com maior possibilidade de ter gerado tal amostra. Usualmente, este método gera equações que não possuem solução analítica e, portanto, a sua resolução implica o recurso de métodos numéricos, podendo-se citar o método iterativo de Newton-Raphson (3). Métodos numéricos iterativos são baseados em interações, ou seja, repetições de um determinado procedimento. Segundo o novo dicionário Aurélio pode-se definir iteração como um processo de resolução, de uma equação ou um problema, mediante uma sequência finita de operações em que o objeto de cada uma é o resultado da que a

A aprovação da Lei de Responsabilidade Fiscal (LRF) que passou a vigorar a partir de 2000, significou a garantia de mecanismos de controle com os quais seria possível exigir do poder público uma ação mais delineada e transparente, possibilitando assim, uma prevenção de riscos econômicos. O objetivo principal é garantir o equilíbrio das contas públicas através do cumprimento de metas de resultados financeiros, em outras palavras, buscar paridade entre receitas e despesas. Os instrumentos preconizados pela LRF para planejar o gasto público são: o Plano Plurianual (PPA), Lei de Diretrizes Orçamentárias (LDO) e Lei Orçamentária Anual (LOA). Com a LRF teve-se a preocupação de impor limites ao endividamento público, principalmente devido ao aumento da dívida na década de 90, e também pela pressão advinda do FMI para a quitação da mesma. Portanto foi estabelecido em lei que a dívida pública não deverá ultrapassar o limite máximo de 2 vezes a Receita Corrente Líquida para os estados, para os municípios 1,2 vezes. Também para os municípios que possuem excesso de endividamento, foi estipulado o prazo máximo de 15 anos para corrigirem, prazo que está se esgotando na prática este ano. Por um lado a elaboração da LRF significou um avanço no controle das finanças públicas, principalmente no que tange a transparência, permitindo uma maior inserção social no controle orçamentário. Por outro, esta mesma lei tem garantido grandes quantias da arrecadação total da União para amortização e juros da dívida externa, o que pode acarretar cortes abusivos nos gastos com programas sociais e investimentos (2). Portanto o objetivo deste trabalho é analisar qual o impacto da aprovação da LRF no país através do demonstrativos da LOA, dentre outras informações. A lei orçamentária anual (LOA) estima as receitas que o governo espera arrecadar durante o ano e fixa os gastos a serem realizados com tais recursos. A análise da LOA, neste trabalho, ocorreu através de orçamentos de execução de despesa por grupo de despesa (GND) nos anos de 2001 até a previsão para 2015 (3). Foi construída uma tabela organizando o

Existem inúmeras áreas, como por exemplo, a social e a financeira, em que há grande interesse em explorar e inferir a relação de uma variável resposta com uma ou mais variáveis explicativas. Para expressar esta relação pode-se estabelecer um modelo estatístico, chamado de análise de regressão, que nos permite obter os parâmetros que medem a relação das variáveis afim de se entender algum fenômeno. Um modelo de regressão linear, como o próprio nome diz, pressupõe que a relação entre as variáveis acontece linearmente. Dentro dos modelos lineares podemos também estabelecer modelos simples, com apenas uma variável explicativa, ou um modelo múltiplo, com várias variáveis explicativas. Conforme Referência 1, seja Y uma variável aleatória de interesse, denominada também de variável resposta, e seja X uma variável regressora, também chamada de explicativa ou auxiliar. O modelo de regressão linear simples descreverá a variável Y como uma soma de uma quantidade determinística e uma quantidade aleatória. A parte determinística, uma reta em função de X, representa a informação sobre Y que poder-se-ia esperar, apenas com o conhecimento da variável X. A parte aleatória, denominada erro, representa os inúmeros fatores que, conjuntamente, podem interferir em Y. No modelo de regressão linear múltiplo podemos ajustar o modelo de mesma forma, mas com mais de uma variável X, ou polinômios de maior grau de uma única variável ou ainda com interação de uma variável com outra. Pode-se generalizar ambos os modelo de regressão linear simples e múltiplos através de seguinte forma matricial: Y = Xββ+ ϵ ϵ N (0 ; σ 2 I) Em que Y é o vetor de valores da variável resposta, X é a matriz de valores da(s) variável(is) explicativa(s), β é o vetor de parâmetros e ϵ é o vetor de valores aleatórios ou vetor dos erros. O processo de estimação dos parâmetros dentro de uma regressão linear mais comumente utilizado é o método de mínimos quadrados que consiste em determinar a reta que apresenta a menor soma de quadrados da distância entre cada valor de Y até esta reta, sendo o método preferido por não necessitar conhecer a distribuição das variáveis.Após realizado o ajuste, é necessário acompanhar a validade do modelo, ou seja, acompanhar se este está de

Grupo temático 20: A questão da previdência RESUMO EXPANDIDO O contexto atual de crise, pela qual a economia brasileira tem passado, reviveu velhos e atuais debates em torno das finanças públicas. No ano de 2015 o ministro da fazenda Joaquim Levy alertou à necessidade de se realizar um ajuste fiscal nas contas públicas para reequilibrar a arrecadação orçamentária tendo em vista, entre outras coisas, as metas de superávit primário estabelecidas por lei. O ex-ministro chegou a defender 3 a criação de um novo tributo-a CPMF-na argumentação de que o déficit da previdência social teria grande peso no orçamento do governo, sendo assim, parte do panorama orçamentário de crise. O objetivo deste trabalho é apresentar através de revisão bibliográfica um panorama em torno da discussão sobre a questão do "déficit" na previdência social no Brasil hoje, acompanhando as abordagem de Fagnani e David, no intuito de apontar uma visão contrária a difundida pelos meios tradicionais de comunicação a respeito do tema e trazer novas reflexões. Sendo assim, um estudo realizado por Fagnani (2016) aponta que desde 1989 "nunca se cumpriu rigorosamente o que reza a Constituição da República, no que diz respeito aos princípios da Organização, Financiamento e Controle Social da Seguridade Social". Tal fato tem feito com que o poder executivo e legislativo federal não considerem a previdência parte integrante da seguridade social e de seus recursos, contrariando o previsto no artigo 194, que diz: "A seguridade social compreende um conjunto integrado de ações de iniciativa dos Poderes Públicos e da sociedade, destinadas a assegurar os direitos relativos à saúde, à previdência e à assistência social." Antes de avançar é importante ressaltar o modelo do Orçamento da Seguridade Social (OSS), proposto pela Constituição localizado no artigo 195 que ressalta: "A seguridade social será financiada por toda a sociedade, de forma direta e indireta, nos termos da lei, mediante recursos provenientes dos orçamentos da União, dos Estados, do Distrito Federal e dos 1 [email protected] Interdisciplinar em Ciência e Economia e cursando Ciências Atuariais pela UNIFAL-MG. 2 [email protected] em Administração Pública pela UNIFAL-MG. Mestrando em Administração pela UFMG. 3 Disponível em: <http://www.ebc.com.br/noticias/economia/2015/09/nova-cpmf-vai-financiar-previdencia-social> Acesso em 31 de março de 2016.

The objective of this work is to present regression models already existent for counting variables for cases where the database requires flexible modeling incorporating problems of excess of a given observation. So we model the claim of accidents occurred with motorcycles through Zero Inflated Poisson and Zero Inflated Negative Binomial.

A análise de regressão linear é uma técnica de modelagem estatística que permite ex- plorar e inferir a relação de uma variável em função de uma ou varias outras variáveis. Estes modelos possuem alguns pressupostos que limitam o seu ajuste, dentre eles, o da normalidade dos erros. Por isso, embora muito utilizada, a regressão clássica mostra- se inadequada para determinadas situações. Os modelos lineares generalizados (MLG) surgiram para exibilizar este pressuposto, tornando possível o ajuste de uma regressão linear para dados com outras características, como por exemplo, variáveis discretas. Em especial, um ramo cientí co que bene cia-se muito dos MLG é atuária que lida com da- dos de diversas naturezas, incluindo análise de riscos e expectativas. Um tipo comum de estudo dentro desta ciência são as variáveis de contagem quando busca-se entender o numero de vezes que um certo evento ocorre. A proposta deste trabalho, portanto, é apresentar modelos de regressão já existentes na literatura, como os MLG's e modelos de mistura, para estudo da contagem de sinistros ocorridos com motocicletas. Bancos de dados dessa natureza podem ser superdispersos ou conter excesso de uma determinada observação, o que justi ca o estudo destes modelos na busca de ajustes cada vez mais adequados. Nesta pesquisa foram discutidas 4 modelagens, o modelo de regressão Pois- son, o modelo de regressão binomial negativo, o modelo Poisson de zeros in acionados e o modelo binomial negativo de zeros in acionados. As covariáveis utilizadas são, em síntese, características do cliente, do veículo e da apólice. O modelo inicialmente ajustado foi o modelo de Poisson que revelou-se inapropriado para os dados uma vez que estes apresen- tam sobredispersão. Em seguida ajustou-se o modelo binomial negativo e veri cou-se que esta modelagem foi preferível em relação à Poisson, por apresentar melhores estatísticas de ajuste e por corrigir o problema de sobredispersão. Neste banco de dados maioria das observações são nulas, o que indica que os modelos com excesso de zero seriam capazes de descrevê-lo bem. Ajustou-se então um modelo Poisson de zeros in acionados. O modelo ajustado obteve exatamente os mesmos coe cientes que o modelo de regressão Poisson simples. Como opção à modelagem ZIP, foi ajustado também um modelo ZINB, binomial negativo de zeros in acionado. Este ajuste se mostrou o mais apropriado para este banco de dados e foi chegada à esta conclusão através de estatísticas de adequações e utilização do teste Vuong.

The aim of this paper is to clarify some considerations about risk management, evaluating how it actually occurs and its function in capitalist production. Initially, we present a definition of the term 'risk' and we briefly explain how the literature treats the term. Also, we bring a contextualization to the brazilian insurance market. Later, we discussed the role of risk and the insurance market in the reproduction of capital according to the marxian critique of political economy. The main point that we can observe with this work is the questioning of how risk management is approached in existing literature, specific to the theme, as an intrinsic element to human nature without taking into account its particularity in the capitalist mode of production. For the individual capitalist, the costs of preventing the major causes of losses are usually associated with a decrease in profit. However, in practice, Marx demonstrates that this cost comes from the distribution of the mass of plus-value produced. Marx also points out that, in this production system, workers are the most exposed to risks and they are the portion less protected by the insurance market. Finally, we suggest the need for future research that deepens the theme.

This study shows the main characteristics of the generalized additive models for location, scale and shape (GAMLSS). Furthermore, describes its estimation methods, which includes the iterative algorithms, the inference and prediction methods, briefly discussing possible distributions and additive terms and, finally, model selection and diagnostics techniques. The emphasis was to present the flexibility of such class of models which allows us to fit all parameters of the response variable distribution as a function of explanatory variables. In GAMLSS, a wide range of distributions are possible to explain the response variable with the possibility of incorporating smoothing functions, which offer models that are able to increasingly portray reality. The aim of this study was to demonstrate how this models can be used in agricultural and livestock experimental data, bringing a practical application related to the study of treatments for parasitosis in dairy cattle. In addition, it was presented some papers available in the scientific community that have already used the GAMLSS within this area.

Road traffic accidents are an important issue in Brazil since road transport is a key factor in the country. The World Health Organisation estimates that road traffic injuries are the leading cause of death for children and young adults worldwide, which justifies the development of studies on the subject. Hence, the main idea of this paper was to find out, through a logistic regression model, which factors may contribute to a road traffic accident present a non-fatal or fatal injury outcome. We used a public dataset from the Polícia Rodoviária Federal about road traffic accidents in 2018 in Brazil. The final fitted model able us to perform predictions, being a great feature, for instance, to calculate insurance values. Furthermore, it was possible to identify which covariates contribute positively or negatively to the probability of non-fatal or fatal injury outcomes, which may help the development of public policies in the subject.