Não foi possível enviar o arquivo. Será algum problema com as permissões?
Essa é uma revisão anterior do documento!
CE-092 - Segundo semestre de 2014
No quadro abaixo será anotado o conteúdo dado em cada aula do curso.
São indicados os Capítulos e Sessões correspondentes nas referências bibliográficas,
bem como os exercícios sugeridos.
Veja ainda depois da tabela as Atividades Complementares.
Observação sobre exercícios recomendados os exercícios indicados são compatíveis com o nível e conteúdo do curso.
Se não puder fazer todos, escolha alguns entre os indicados.
Conteúdos das Aulas
| Data | Conteúdo | Leitura | Exercícios | Tópico | |
|---|---|---|---|---|---|
| 04/08 Seg | Informações sobre o curso. Uma discussão sobre algumas extensões do modelo de regressão: GLM, modelos com respostas transformadas, modelos não-lineares. Modelos paramétricos, não paramétricos e semi-paramétricos | Ver abaixo | Ver abaixo | ||
| 06/08 Qua | Discussão sobre modelos para regressão segmentada - especificação, ajuste e interpretação/combinações lineares dos parâmetros. (Apres. Bruno) | Ver abaixo | |||
| 11/08 Seg | Comparação de modelos com transformação na resposta e na função de ligação (Apres. Vanessa) | ||||
| 13/08 Qua | Não houve aula - interrupção energia elétrica | ||||
| 18/08 Seg | Ajustes de modelos de regressão segmentada. Modelos com mais de um ponto. Discussão sobre diferentes parametrizações. Modelos com ponto de corte desconhecido (Apres. Daniel) | ||||
| 20/08 Qua | Introdução a regressões semi e não paramétricas: splines (smoothing e regression), suavização por kernel e polinômios locais | Cap 11 | |||
| 25/08 Seg | Obtenção de bandas de confiança e predição nos modelos discutidos até aqui. Soluções analíticas e por simulação (Apres. Vanessa) | ||||
| 27/08 Qua | … | ||||
| 01/09 Seg | … | ||||
| 03/09 Qua | … | ||||
| 08/09 Seg | … | ||||
| 10/09 Qua | Regressão quantílica (apres. Karin e Bruno) | ||||
| 15/09 Seg | Discussão introdutória para modelos heterocedásticos e geral so bre modelagem estatística | ||||
| 17/09 Qua | Modelos inflacionados de zeros (apres. Vanessa) | Artigo JSS | |||
| 22/09 Seg | Regressão heterocedástica (apres. Letícia) | ||||
| 24/09 Qua | sem novo conteúdo. apenas dúvidas e discussões, se necessário. | ||||
| 29/09 Seg | … | ||||
| 01/10 Qua | Filtro de Kalman e Modelos dinâmicos (parte em conjunto com LAB-A) (apres Bruno e Vanessa) | ||||
| 06/10 Seg | Discussão adicional sobre modelos dinâmicos | ||||
| 08/10 Qua | dia não letivo (SIEPE) | ||||
| 13/10 Seg | Introdução a árvores (sorteadas: Eliane e Letícia). Apres Bruno | ||||
| 15/10 Qua | Continuação de exemplos e aplicações de árvores | ||||
| 20/10 Seg | Árvores - Prof. César Taconeli | ||||
| 22/10 Seg | Árvores - Extensões a aplicações. Prof. César Taconeli | ||||
| 27/10 Seg | De modelos lineares a GAM's: regressão polinomial, função escada, regressão segmentada, splines. Suavização por splines. Primeiras idéias de modelos aditivos generalizados. | Apresentação dos autores de Elements of Statistical Learning | |||
| 29/10 Qua | Aplicação de conceitos: ajustar os modelos discutidos na última aula aos dados utilizados no início do curso | obter um outro conjunto de dados agora com um número maior de observações para ajustar os modelos. Incluir ao menos uma variável explicativa contínua e outra categórica |
04/08
- Atividades
- Obter os materiais recomendados para o curso
- Estudar e preparar apresentação comparando duas estratégias para ajuste de um conjunto de dados: modelo com transformação da resposta e modelo com transformação na função de ligação. Utilizando este arquivo de dados, efetue as análises das regressões de Y1 vs x e Y2 vs x, cada uma delas com ambos modelos. Utiliza a transformação
log(). - Estudar e preparar apresentação sobre o modelo de regressão segmentado/por partes (piecewise ou segmented regression). Usar o mesmo conjunto de dados do conjunto anterior. Escolha um ponto adequado como ponto de quebra.
06/08
- Atividades
- Obter expressões e ajustes de regressões segmentadas com mais que dois segmentos
- Obter ajuste de regressão segmentada (2 segmentos) supondo agora que o ponto de quebra é desconhecido. Obter por pelo menos dois diferentes métodos/algoritmos: "perfilhando o valor do ponto que quebra", escrevendo/otimizando função objetivo, ou algum outro.
