this is for holding javascript data
Paulo Prado edited subsubsection_M_todos_Para_responder__.tex
over 8 years ago
Commit id: d30ec3fa5b986d9040d0ab2c6df75589938c4ba8
deletions | additions
diff --git a/subsubsection_M_todos_Para_responder__.tex b/subsubsection_M_todos_Para_responder__.tex
index 4e8a9c8..42bcec6 100644
--- a/subsubsection_M_todos_Para_responder__.tex
+++ b/subsubsection_M_todos_Para_responder__.tex
...
Para cada um dos estudos selecionados, os modelos testados serão agrupados em pares com estruturas idênticas quanto à ocupação, porém com estruturas diferentes quanto à detectabilidade (p). Dentro do par, um dos modelos terá a detectabilidade descrita em função de uma cováriavel (p(cov)) e outro terá o pressuposto de que a detectabilidade é constante (p(.)). Em seguida, serão extraídos e comparados os valores de AIC e as estimativas do coeficiente de inclinação da regressão linear para a covariável de ocupação. Os dados serão analisados por meio de um modelo de regressão linear misto considerando o tamanho amostral como fator fixo e identidade do estudo e classe do organismo estudado como efeito aleatório, a variável resposta será a estimativa do intercepto. Os intervalos de confiança serão gerados por bootstrap. As previsões são:
\begin{itemize}
\item Os modelos
$p(\texrm{cov})$, $p(\text{cov})$, terão em média, valores de AIC significativamente maiores do que os modelos p(.).
\end{itemize}
\begin{itemize}
\item Haverá uma diferença significativa entre estimativas do coeficiente de inclinação da regressão linear de modelos
$p(\texrm{cov})$ $p(\text{cov})$ e $p(.)$.
\end{itemize}