Curso em Modelos de Regressão Não Linear

• Minicurso M06 - Curso em modelos de regressão não linear;
• Palestrantes:
  • Prof. DSc. Walmes Marques Zeviani;
  • Prof. PhD. Paulo Justiniano Ribeiro Jr;
  • Prof. MSc. Wagner Hugo Bonat;
  • Todos do LEG (laboratório de estatística de geoinformação) - UFPR;
• Evento: 58º RBRAS e 15º SINAPE - Campina Grande - de 22 à 26 de Julho de 2013;
• Local e período:

  Dia	Período	Local
  seg 22/07	16:30 - 18:30 (2h)	Ball Room 2 (BR2)
  ter 23/07	08:00 - 10:00 (2h)	Ball Room 2 (BR2)
  qua 24/07	14:00 - 16:00 (2h)	Ball Room 1 (BR1)

• Contato:
• Resumo:

  Modelos de regressão não linear estabelecem relações apoiadas em considerações teóricas e/ou conhecimento prévio sobre as variáveis de interesse. Essa classe de modelos considera uma função não linear nos parâmetros que por sua vez apresentam interpretação prática. Este curso tem por objetivo apresentar as definições e fundamento da análise de dados por modelos de regressão não linear. O material expõe os aspectos teóricos e práticos pertinentes associado à diversos estudos de caso em que destacam - se a e scolha de funções para ajuste aos dados, métodos de estimação, testes de hipótese e intervalos de confiança para os parâmetros, avaliação dos pressupostos do modelo, medidas de não linearidade, inferência baseada em verossimilhança, inferência para uma função de parâmetros, aspectos relativos à reparametrização, inferência à simultânea à varias curvas, erros heterocedasticos e correlacionados, modelos não lineares de efeito misto. As aplicações serão em R, com código disponível na página web dedicada ao curso, além do material didático.

1. R-BR - lista brasileira de discussão dos usuários do R;
   • Informações e cadastro;
   • Consulta ao histórico;
2. Ridículas <- dicas curtas sobre R;
3. Departamento de Estatística - UFPR;
4. Introdução ao Ambiente Estatístico R - Paulo Justiniano Ribeiro Junior;

Dê sua opinião e me ajude a melhorar o curso. Critique, comente, sugira, tire dúvidas, discuta, expresse-se. Sua opinião é muito importante.