boxcox.bino <- function(modelo=fit.model,var=stop("faltou informar a variavel"),tetas=seq(-2,2,0.1),maxit=20) {

#
# Descrição e detalhes:
# Esta função ajusta o modelo com distribuição Binomial (ligação logito, probito, cloglog ou Aranda-Ordaz) testando
# qual o teta da transformação Box-Cox [(var^teta)/teta, teta!=0 e log(var), teta==0] diminui mais o desvio.
#
# A sugestão desse procedimento é feita por McCullagh e Nelder (pág.402, teoria e pág.412, exemplo).
#
# Por motivos óbvios deve-se analisar se a variável possui valores negativos ou iguais a zero ao se escolhar os tetas.
#
# Os dados devem estar disponíveis pelo comando attach( ).
#
# Argumentos obrigatórios:
# modelo: deve-se informar o objeto onde está o ajuste do modelo com distribuição Binomial, sendo que este ajuste
#	  não deve conter a variável que se está testando qual o melhor teta da transformação de Box-Cox;
# var: é a variável que será avaliada qual o melhor teta da transformação de Box-Cox.
#
# Argumentos opcionais:
# tetas: permite determinar quais tetas se deseja avaliar o desvio, o padrão é seq(-2,2,0.1);
# maxit: máximo de iterações permitido para o processo iterativo convergir, o padrão é 20.
#
# Autor: Frederico Zanqueta Poleto <fred@poleto.com>, arquivo disponível em http://www.poleto.com
#
# Referência:
# MCCULLAGH, P. e NELDER, J. A. (1989). Generalized Linear Models. 2ª ed. Chapman and Hall, London.
#
# Exemplo:
# boxcox.bino(ajuste,seq(-0.1,0.6,0.01))
#

if(class(modelo)[1] != "glm") {
	stop(paste("\nA classe do objeto deveria ser glm e nao ",class(modelo),"!!!\n"))
}
if(modelo$family[[1]] != "Binomial" & modelo$family[[1]] != "binomial" & modelo$family[[1]] != "Aranda") {
	stop(paste("\nA familia do objeto deveria ser Binomial ou Aranda-Ordaz e nao ",modelo$family[[1]],"!!!\n"))
}

X <- model.matrix(modelo)
n <- nrow(X)
if(is.null(modelo$prior.weights)) {
	ntot<-rep(1,n)
} else {
	ntot<-modelo$prior.weights
}
y <- round(modelo$y*ntot,0)
link<-modelo$family["link"]
if ( modelo$family[[1]] == "Aranda" ) {
	alpha<-as.numeric(link)
}

nt<-length(tetas)
devi<-numeric(nt)
for(i in 1:nt) {
	if (tetas[i]==0) {
		h<-log(var)
	} else {
		h<-(var^tetas[i]-1)/tetas[i]
	}
	X2<-cbind(X,h)
	if ( (is.null(version$language) == T && link == "Logit: log(mu/(1 - mu))") | (is.null(version$language) == F && link == "logit") ) {
		fit <- glm(cbind(y,ntot-y) ~ X2-1,family=binomial,maxit=maxit)
	} else {
		if ( (is.null(version$language) == T && link == "Probit: qnorm(mu)") | (is.null(version$language) == F && link == "probit") ) {
			fit <- glm(cbind(y,ntot-y) ~ X2-1,family=binomial(link=probit),maxit=maxit)
		} else {
			if ( (is.null(version$language) == T && link == "Complementary Log: log( - log(1 - mu))") | (is.null(version$language) == F && link == "cloglog") ) {
				fit <- glm(cbind(y,ntot-y) ~ X2-1,family=binomial(link=cloglog),maxit=maxit)
			} else {
				if ( modelo$family[[1]] == "Aranda" ) {
					fit <- do.call("glm",list(cbind(y,ntot-y) ~ X2-1,family=aranda(alpha),maxit=maxit))
				} else {
					stop(paste("\nEsta funcao so aceita as ligacoes: logito, probito, complementar log-log e Aranda-Ordaz !!!\nLigacao ",link," desconhecida!!!\n"))
				}
			}
		}
	}
	devi[i]<-deviance(fit)
}
plot(tetas,devi,xlab="teta", ylab="desvio",type="l",pch=16,lwd=1)

cat("\nDo conjunto\n")
print(tetas)
cat(", o que minimizou o desvio foi:\n")
tetas[order(devi)[1]]
}