CE-225: Modelos Lineares Generalizados

1. Período: segundo semestre de 2012
2. Professor Responsável:
   • Elias T. Krainski e Paulo Justiniano Ribeiro Jr (LEG: Laboratório de Estatística e Geoinformação)
3. Horário e Local: Quartas 20:45hs e sextas 19:00hs na sala PA-03
   • Data importantes:

     29/10/2012	22/12/2012 - 20/01/2013	18/03/2012	19-25/03/2012
     Início das aulas	Recesso	Último dia letivo do 2o semestre	Exames finais

     • Calendário completo: Resolução 42/12 do CEPE
4. Avaliações: - (notas)
   • 1ª: 05/12/2012
   • 2ª: 21/12/2012
   • 3ª: 08/03/2013
   • Prova Final: 20/03/2013
5. exercicios
   1. Lista 1 (para dia 05/12)
      • Considere o modelo de regressão linear:
        • encontre as estimativas dos coeficientes de regressão considerando estimação por máxima verossimilhança
        • encontre a variância assintótica desses estimadores
        • elabore um teste baseado nesses resultados para testar se cada coeficiente é igual a zero
      • Coloque as distribuições: Normal, gamma, binomial e Poisson na família exponencial. Defina também, esperança, variância, sua função escore e função de ligação canônica.
      • Proponha um modelo de regressão e encontre E(Y_i|eta_i) considerando as seguintes distribuições para Y
        • Normal com ligação canônica
        • Gamma com ligação canônica
        • Gamma com ligação log
        • Poisson com ligação canônica
        • Poisson com ligação identidade
        • Bernoulli com ligação canônica
      • Dê a interpretação dos coeficientes de cada modelo acima
   2. Lista 2 (para dia 21/12)
      • Considere o modelo de regressão linear generalizado e obtenha:
        • função escore de beta
        • a matriz de informação de fisher de beta
        • as equações do algoritmo iterativo IWLS para estimar beta
      • Encontre W_{i,i} e u_i na k-esima iteração do algoritmo IWLS considerando os seguintes MLG:
        • Normal com ligação canônica
        • Normal com ligação log
        • Gamma com ligação canônica
        • Gamma com ligação log
        • Poisson com ligação canônica
        • Poisson com ligação identidade
        • Bernoulli com ligação canônica
      • Use as equações encontradas nos ítens anteriores, considere que x é uma covariável cujos valores são: 11 14 14 14 15 17 18 21 23 23 24 25 28 28 29 considere também que y é a variável de interesse cujos valores são: 2 8 5 1 1 3 4 4 6 4 7 4 7 8 8 e estime um modelo de regressão considerando as seguintes distribuições e ligações
        • Gamma com ligação canônica
        • Gamma com ligação log
        • Poisson com ligação canônica
        • Poisson com ligação identidade
        • Normal com ligação log

1. Horários de atendimento do professor : segundas 19hs (ou marcada). LEG (Laboratório de Estatística e Geoinformação), prédio anexo ao prédio da administração do centro politécnico, andar superior (espaço do antigo salão de provas)

1. profa. M. Antónia Amaral Turkman e prof. Giovani Loiola Silva - livro
2. prof. Gauss M. Cordeiro e prfa. Clarice G. B. Demetrio - Minicurso SEAGRO/RBRAS
3. prof. Gilberto A. Paula - Livro e material adicional
4. Capitulo da tese de ANTONIO FERNANDO DE C VIEIRA aqui

1. Histórico das aulas do curso com as datas, conteúdo abordado e atividades recomendadas

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

A parte final do curso prevê conteúdo computacional. Todo o conteúdo abordado pode ser tratado computacionalmente por alguns programas estatísticos. O uso de programas computacionais auxilia o entendimento do conteúdo do curso.

• Programa estatístico recomendado
  1. The R project for Statistical Computing: página do programa R
• Recursos auxiliares
  1. r-br é uma lista de discussão em português sobre o uso do R

Página aberta para conversas, troca de informações, discussões e interações entre participantes do curso.