disciplinas:ce092-2016-02:historico

Não foi possível enviar o arquivo. Será algum problema com as permissões?

Você está aqui: start » disciplinas » ce092-2016-02 » historico

CE-092 -- Segundo semestre de 2016

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
02/08 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. Observações não independentes.	Cap 1 - Introdução Livro do Faraway	Ver abaixo	Ver abaixo
04/08 Qui	Discussão da turma sobre os dois exemplos e opções para ajuste de modelos
09/08 Ter	Apresentações: Modelos com respostas transformadas (Helds)
11/08 Qui	Tópicos adicionais em transformação de variáveis. Predições na escala original. Transformação da média e GLM. Modelos não lineares. Famílias de transformação e perfilhamento de verissimilhança.			Ver abaixo
16/08 Ter	Apresentações: Modelos de regressão segmentada (Luiz)
18/08 Qui	Modelos de regressão segmentada (cont) e splines			Ver abaixo
23/08 Ter	Apresentações: transformação da média e modelo não linear (Andrey e Renata)			Ver abaixo
25/08 Qui	Preparação: kernel smoothing e smoothing splines	Cap 11: 11.1 e 11.2
30/08 Ter	Discussão dos principais aspectos e exemplos de kernel smoothing e smoothing splines
01/09 Qui	Complementos ew critérios para comparação entre métodos. Validação cruzada. Relações com árvores de regressão. Idéias gerais sobre GAM - modelos aditivos generalizados
06/09 Ter	Preparação - GAM's
08/09 Qui	Feriado
13/09 Ter	Discussão sobre GAM. Introdução aos modelos de efeitos aleatórios
15/09 Qui	Viagem Professor. Estudos e preparação de materiais
20/09 Ter	Modelos de efeitos aleatórios. Exemplo de medidas repetidas. Estimação			Ver abaixo
22/09 Qui	Discussão
27/09 Ter
29/09 Qui	Cálculo de verossimilhança em modelos de efeitos aleatórios com respostas gaussianas e não gaussianas. Métodos de integração baseados em: (i) aproximação da integral, (ii) aproximação do integrando e (iii) aproximação por simulação
04/10 Ter	dia não letivo - Semana Integrada de Ensino, Pesquisa e Extensão
06/10 Qui
11/10 Ter
13/10 Qui
18/10 Ter
20/10 Qui
27/10 Ter
29/10 Qui	Interrupção aulas - eleições
01/11 Ter	Apresentação árvores I	Conrado, Lucas e Fabíola
03/11 Qui	Apresentação árvores II	Conrado, Lucas e Fabíola
08/11 Ter	Apresentação regressão heterocedástica I	Karel e Vinícius
10/11 Qui	Apresentação regressão heterocedástica II	Karel e Vinícius
15/11 Ter	Feriado
17/11 Qui	Viagem do Prof. - preparação as apresentações
22/11 Ter	Regressão quantílica - I	Karen, Wagner e Luis

02/08

Atividades
1. Obter os materiais recomendados para o curso
2. Utilizando este arquivo de dados, efetue as análises das regressões de Y1 vs x e Y2 vs x, cada uma delas com os modelos
  1. de regressão linear simples
  2. de regressão linear simples com transformação de variável resposta
  3. de regressão segmentada. Defina (arbitrariamente) um "ponto de corte"

Copie o arquivo para um diretório (pasta), aponte o R para esta pasta e importe os dados com:

df <- read.table("df02.txt", head=TRUE)

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

11/08

Atividades
1. Ainda com os dados a atividade anterior:
  1. ajuste modelos com transformação de média (GLM) (glm())
  2. ajusta modelos não lineares (nls())
  3. comparar os modelos (anteriores e os agora definidos)
Arquivo de comandos - transformações

18/08

Arquivo de comandos - segmentada/splines

23/08

Fazer atividades sugeridas em aula
Buscar outro(s) dado(s) para aplicação dos modelos vistos até aqui. Em particular para reg segmentada e splines busque um conjunto de dados que não possua comportamento monotônico.

Aqui vai mais um conjunto de dados simulado

set.seed(1029)
sim01 <- data.frame(x = c(1:10, 13:22), y = numeric(20))
sim01$y[1:10] <- 20:11 + rnorm(10, 0, 1.5)
sim01$y[11:20] <- seq(11, 15, len=10) + rnorm(10, 0, 1.5)
with(sim01, plot(x,y))

20/09

Dados de Singer et. al.

Julio M. Singer, Carmen Diva Saldiva de André, Clóvis de Araújo Peres
Confiabilidade e Precisão na Estimação de Médias
Revista Brasileira de Estatística, v73, n. 236, jan./jun. 2012.

Local Concentra 
1     170,6 
1     154,7 
1     136,4 
1     153,1 
2      68,0 
2      66,4 
2      70,3 
2      71,1 
3     151,5 
3     138,0 
3     128,4
3     118,1
4     153,9
4     149,1
4     147,5
4     103,8
5      83,9
5     101,4
5     117,3
5     114,1