Não foi possível enviar o arquivo. Será algum problema com as permissões?
CE-092 -- Segundo semestre de 2015

CE-092 -- Segundo semestre de 2015

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 Ter Informações sobre o curso. Uma discussão sobre algumas possíveis extensões do modelo de regressão: GLM, modelos com respostas transformadas, segmentados, modelos não-lineares. Modelos paramétricos, não paramétricos e semi-paramétricos Cap 1 - Introdução
Livro do Faraway
Ver abaixo Ver abaixo
06/08 Qui Discussão da turma sobre os dois exemplos e opções para ajuste de modelos
11/08 Ter Apresentações: Modelos de regressão segmentada (Eduardo e Henrique) e respostas transformadas (Cintia e Damiane)
17/09 Qui Fundamentos de modelos não lineares Material desenvolvido sobre Reg. Segmentada
22/09 Ter Cálculo de verossimilhança para modelos de ajustes com diferentes distribuições e com transformação de variáveis. Verossimilhanças na mesma escala para comparação. Comentários sobre modelos com independência condicional. texto distribuído
24/09 Qui Exercícios e códigos: modelos não lineares e modelos para variáveis transformadas Ver abaixo
29/09 Ter Regressão não paramétrica: idéias fundamentais. Suavização por kernel, polinômios locais, splines (suavizadores e regressão) Cap 11 de Faraway
01/10 Qui Regressão não paramétrica. Exemplos computacionais e discussão em grupo. Cap 11 de Faraway
06/10 Ter SIEPE - sem aulas neste dia
08/10 Qui GLM's, GAMs e GLMM's Artigo para leitura e discussão Comentários sobre artigo review.pdf
13/10 Ter Modelos GLMM - inferência e métodos de integração (quadratura, Laplace e Monte Carlo). Discussão do artigo de Venables e Dichmont Ver abaixo
15/10 Qui Programação de algorítmos para inferência em um GLMM simples com diferentes estratégias de integração
20/10 Ter Métodos de quadratura e Monte Carlo
22/10 Qui revisão de inferência para GLMM e preparação do método de Laplace
27/10 Ter Verossimilhança para GLMM com integração de Laplace: revisão de fundamentos e implementação Ver abaixo
29/10 Qui Modelos mistos na prática: preparação de exemplos de ajustes
03/11 Ter
05/11 Qui
10/11 Ter
12/11 Qui
17/11 Ter
19/11 Qui
24/11 Ter Árvores de regressão e classificação - fundamentos
26/11 Qui Estudos
01/12 Ter Exemplos de análises de árvores
03/12 Qui Ex Leonardo e Tópicos adicionais em árvores (Prof. César)
08/12 Ter Introdução aos modelos heterocedásticos Artigo para leitura e discussão
10/12 Qui Discussão do artigo de Cribari-Neto & Soares
15/12 Ter
17/12 Qui

04/08

  • Atividades
    1. Obter os materiais recomendados para o curso
    2. Estudar e preparar apresentação comparando diferentes 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().
    3. 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.

PS: procure utilizar funções do R e tb escrever suas próprias funções para estimar os modelos.

24/09

  1. Propor um modelo não linear para os exemplos com os conjuntos de dados utilizados no curso
  2. Ajustar também uma regressão com transformação de variáveis e comparar o ajuste com demais modelos já discutidos.
  3. Escrever suas próprias funções para ajustes de diferentes distribuições (incluindo com transformação) conforme sugerido no texto distribuído
  4. Idem para modelos de regressão com variáveis transformadas

13/10

  1. Estimação analítica de alguns GLMM: mostre os resultados para os modelos Poisson-Gamma, Beta-Binomial e Normal discutidos em aula.
  2. Estimação numérica de um GLMM
    1. Simular dados de um modelo Poisson com efeito aleatório:
      Graph
    2. Escrever algorítmos utilizando diferentes métodos de integração para estimar o modelo

27/10

  1. Aproximar pdf's pela Normal (sugestão Gamma, mas vejam ouras tb)
  2. Implementar a aproximação de Laplace para ajuste de GLMM
    1. Sugestão: implementar para GLMM com distribuição de Poisson e intercepto aleatório.

QR Code
QR Code disciplinas:ce092-2015-02:historico (generated for current page)