====== 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 | [[#02/08|Ver abaixo]] | [[#02/08|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. | | |[[#11/08|Ver abaixo]] | | 16/08 Ter |Apresentações: Modelos de regressão segmentada (Luiz) | | | | | 18/08 Qui |Modelos de regressão segmentada (cont) e splines | | |[[#18/08|Ver abaixo]] | | 23/08 Ter |Apresentações: transformação da média e modelo não linear (Andrey e Renata) | | |[[#23/08|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 | | |[[#20/09|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** - Obter os materiais recomendados para o curso - 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 os modelos - de regressão linear simples - de regressão linear simples com transformação de variável resposta - 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) /* - 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. Utilize 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. === 11/08 === * **Atividades** - Ainda com os dados a atividade anterior: - ajuste modelos com transformação de média (GLM) (//glm()//) - ajusta modelos não lineares (//nls()//) - comparar os modelos (anteriores e os agora definidos) * {{:disciplinas:ce092-2016-02:01transforma.r|Arquivo de comandos - transformações}} === 18/08 === * {{:disciplinas:ce092-2016-02:02segmentada.r|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**\\ [[http://www.rbes.ibge.gov.br/images/doc/rbe_236_jan_jun2012.pdf|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 * {{:disciplinas:ce092-2016-02:codigo.r|Códigos reproduzindo alguns resultados do artigo}} * [[http://leg.ufpr.br/~paulojus/embrapa/Rembrapa/Rembrapase27.html#x29-18300027|Exemplo de códigos com uma análise similar]] Estudar o códiugo e adaptar para análise dos dados do artigo. Interpretar os resultados e extrair resumos interessantes da análise.