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.
| 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 |
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.
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))
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