CE-092: Extensões de modelos de regressão

1. Período: Turma EST (Estatística), 2o semestre de 2016
2. Professor(es) Responsável(is):
   • Paulo Justiniano Ribeiro Jr, (LEG: Laboratório de Estatística e Geoinformação)
     1. Horários de atendimento do Professor :
        • Dias/Horários: terças e quintas, 17:30 - 18:30
        • Local: LEG (Laboratório de Estatística e Geoinformação), prédio do DInf, andar superior (acesso pelo corredor das salas PA)
        • OBS: Os dias e horários acima são preferenciais, contatar o professor (pessoalmente/email) se horários diferentes destes forem realmente necessários
3. Horário e Local das aulas:
4. * Terças, 21:00 - 22:30 (PA-06)
5. * Quintas, 19:00 - 20:30 (PA-06)
6. Calendário completo Resolução do CEPE:
   • Resolução 49-15 CEPE que estabelece o calendário para 2016 (formato PDF)
7. Datas do curso:

   01/08/2016	12/12/2016	15/12 a 21/12/2016
   Início das aulas	Último dia letivo do semestre	Exames finais

8. Avaliações:

   Atividade	Data	Pontuação	Conteúdo	Informações
   Avaliações Continuadas e trabalhos	durante as aulas	40 pontos	Avaliação das apresentações, trabalhos e participações nas aulas
   1a atividade avaliativa		30 pontos
   2a atividade avaliativa		30 pontos
   Final		–	Todo conteúdo do curso

9. Resultados das avaliações

Referências bibliográficas: Existe uma grande quantidade de publicações na forma de livros ou textos na web, com abordagens e diferentes níveis e diferentes focus (área de aplicação, métodos computacionais, etc). Seguem-se duas sugestões, mas outros materiais pode ser adotados.

[2005, book | www]

Faraway, J. J. (2005). Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models Taylor \& Francis.

[2002, book | www]

Venables, W. N., & Ripley, B. D. (2002). Modern Applied Statistics with S Springer.

[2009, book | www]

Hastie, T., Tibishirani, R., & Friedman, J. (2009). Elements of statistical learning Springer.

Acompanhe o histórico das aulas do curso com as datas, conteúdo abordado e atividades recomendadas.

ATENÇÃO: estes arquivos/página poderão ser atualizados durante o curso. ídeos

1. Vídeos (etc) sobre o livro Elements of Statistical Learning

O uso de programas computacionais pode auxiliar (e muito!) o entendimento do conteúdo do curso e poderá ser parte da avaliação.

1. Programa computacional recomendado
   1. The R project for Statistical Computing: página do programa R

Página aberta para edição, troca de informações e interação dos participantes do curso.