====== 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 <fc #FF0000>exercícios sugeridos</fc>.

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 | [[#04/08|Ver abaixo]] | [[#04/08|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 | |{{http://www.leg.ufpr.br/~paulojus/CE092-2015/segmentada.html|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. |{{:disciplinas:ce092-2015-02:verotrans.pdf|texto distribuído}} |  |  |  
| 24/09 Qui |Exercícios e códigos: modelos não lineares e modelos para variáveis transformadas |  | [[#24/09|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 |[[http://fish.gov.au/reports/Documents/Venables_and_Dichmont_2004.pdf|Artigo para leitura e discussão]] |{{:disciplinas:ce092-2015-02:bill-dichmont.pdf|Comentários sobre artigo}} |{{:disciplinas:ce092-2015-02:review.pdf|}} |
| 13/10 Ter |Modelos GLMM - inferência e métodos de integração (quadratura, Laplace e Monte Carlo). Discussão do artigo de Venables e Dichmont | [[#13/10|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  | [[#27/10|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  | |[[http://www.scielo.br/pdf/rbe/v57n2/a01v57n2.pdf|Artigo para leitura e discussão]] |
| 10/12 Qui |Discussão do artigo de Cribari-Neto & Soares | | |
| 15/12 Ter |  | | |
| 17/12 Qui |  | | |


=== 04/08 ===
  * **Atividades**
    - Obter os materiais recomendados para o curso
    - 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 {{:disciplinas:ce092-2015-02:df02.txt|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//.

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

=== 24/09 ===
  - Estudar e discutir em grupo  [[http://www.leg.ufpr.br/~paulojus/embrapa/Rembrapa/Rembrapase30.html#x32-20100030|este exemplo de ajuste de modelos não lineares]]
  - Propor um modelo não linear para os exemplos com os conjuntos de dados utilizados no curso
  - Ajustar também uma regressão com transformação de variáveis e comparar o ajuste com demais modelos já discutidos.
  - Escrever suas próprias funções para ajustes de diferentes distribuições (incluindo com transformação) conforme sugerido no {{:disciplinas:ce092-2015-02:verotrans.pdf|texto distribuído}}  
  - Idem para modelos de regressão com variáveis transformadas  

=== 13/10 ===
  - Estimação analítica de alguns GLMM: mostre os resultados para os modelos Poisson-Gamma, Beta-Binomial e Normal discutidos em aula.
  - Estimação numérica de um GLMM
    - Simular dados de um modelo Poisson com efeito aleatório: \\ <latex>
Y_{ij} \sim {\rm P}(\lambda_i) \\ \log(\lambda_i) = \mu + b_i \\ b_i \sim {\rm N}(0, \sigma^2)</latex>
    - Escrever  algorítmos utilizando diferentes métodos de integração para estimar o modelo

=== 27/10 ===
  - Aproximar pdf's pela Normal (sugestão Gamma, mas vejam ouras tb)
  - Implementar a aproximação de Laplace para ajuste de GLMM
    - Sugestão: implementar para GLMM com distribuição de Poisson e intercepto aleatório.