Jupiterweb

Informações da Disciplina

Preparar para impressão

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação

Instituto de Matemática e Estatística

Estatística

Disciplina: MAE0351 - Modelos de Regressão II

Regression Models II

Créditos Aula:	4
Créditos Trabalho:	1
Carga Horária Total:	90 h
Tipo:	Semestral
Ativação:	15/07/2022	Desativação:

Objetivos

Permitir a aquisição de conhecimento sobre técnicas mais específicas e recentes em modelos de regressão, com várias aplicações práticas.

Docente(s) Responsável(eis)

82872 - Gilberto Alvarenga Paula

Ementa

1.	Modelos Lineares Generalizados
2.	Modelos Semiparamétricos
3.	Modelos  para Dados Correlacionados
4.	GAMLSS
5.	Tópicos Especiais

Conteúdo Programático

1.	Modelos Lineares Generalizados
        1.1.	Modelos para Dados Assimétricos
        1.2.	Modelos para Dados Binários
        1.3.	Modelos para Dados de Contagem
        1.4.	Modelos Duplos
2.	Métodos Semiparamétricos
        2.1.	Modelos Aditivos
        2.2.	Modelos Parciais Aditivos
3.	MLGs para Dados Correlacionados 
        3.1.	Modelos Mistos Generalizados
        3.2.	Equações de Estimação Generalizadas
4.	GAMLSS
        4.1.	Modelos com Excesso de Zeros
        4.2.	Regressão t-Student
        4.3.	Regressão Beta
        4.4.	Regressão Quantílica
        4.5.	Regressão Espacial
5.	Tópicos Especiais
        5.1.	Árvores de Decisão
        5.2.	Reamostragem

Instrumentos e Critérios de Avaliação

Método de Avaliação

Aulas e exercícios.

Critério de Avaliação

Média ponderada de provas e exercícios.

Norma de Recuperação

Média ponderada entre prova de recuperação e média do semestre.

Bibliografia

1.	D. C. Montgomery, E. A. Peck, G. G. Vining (2021) Introduction to Linear Regression Analysis, 6th Edition, Wiley.
2.	P. McCullagh, J. A. Nelder (1989) Generalized Linear Models, 2nd Edition. Chapman and Hall.
3.	L. Fahrmeir, G. Tutz (2001) Multivariate Statistical Modelling Based on Generalized Linear Models, 2nd Edition. Springer.
4.	J. J. Faraway  (2016) Extending the Linear Model with R. Generalized Linear, Mixed  and
5.	Nonparametric Regression Models, 2nd Edition. Chapman and Hall/CRC.
6.	D. W. Hosmer, S. Lemeshow, R. X. Sturdivant (2013) Applied Logistic Regression, 3rd Edition. Wiley.
7.	J. W. Hardin,  J. M. Hilbe  (2012) Generalized Estimating Equations, 2nd Edition. Chapman and Hall/CRC.
8.	M. D. Stasinopoulos, R. A. Righy, Z. A. Gillian, V.  Voudouris, F. de Bastiani (2017) Flexible Regression and Smoothing Using GAMLSS in R. Chapman and Hall/CRC.
9.	R. A. Righy, M. D. Stasinopoulos, Z. A. Gillian,  F. de Bastiani (2020) Distributions for Modeling Location, Scale, and Shape Using GAMLSS in R. Chapman and Hall/CRC.
10.	S. N. Wood (2017) Generalized Additive Models. An Introduction with R, 2nd Edition. Chapman and Hall/CRC.
11.	E. Demidenko (2013) Mixed Models: Theory and Applications with R, 2nd Edition. Wiley.
12.	G. James, D. Witten, T. Hastie, R. Tibshirani (2021)  An Introduction to Statistical Learning: with Applications in R, 2nd Edition, Springer.
13.	R. S. Bivand, E. Pebesma, V. Gómez-Rubio (2013) Applied Spatial Data Analysis with R, 2nd Edition. Springer.

Clique para consultar os requisitos para MAE0351

Clique para consultar o oferecimento para MAE0351