Extensões de Modelos de Regressão

Informações

Conteúdo previsto

  1. Revisão de modelos lineares de posto completo
  2. Revisão de modelos lineares de posto incompleto
  3. Revisão de modelos lineares generalizados
  4. Modelos de regressão local
  5. Modelos de regressão de splines
  6. Modelos aditivos generalizados
  7. Modelos não lineares
  8. Modelos de regressão com erros não IID
  9. Modelos de efeitos aleatórios
  10. Modelos de regressão quantílica
  11. Modelos de árvores de regressão e classificação
  12. Modelos de redes neurais
  13. Introdução aos modelos de regressão multivariados

*Ordem e prioridade sujeitas a alteração conforme andamento do curso.

Avaliações

*Datas e avalições sujeitas a alteração conforme andamento do curso.

Referências bibliográficas

DAVINO, C.; FURNO, M.; VISTOCCO, D. Quantile regression: Theory and applications. Wiley, 2013.

FARAWAY, J. Extending the linear model with R: Generalized linear, mixed effects and nonparametric regression models. 2nd ed. CRC Press, 2016.

HASTIE, T. Generalized additive models. CRC Press, 2017.

HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The elements of statistical learning: Data mining, inference, and prediction. Springer New York, 2013.

JAMES, G.; WITTEN, D.; HASTIE, T.; TIBSHIRANI, R. An introduction to statistical learning: With applications in R. Springer New York, 2013.

PAWITAN, Y. In all likelihood: Statistical modelling and inference using likelihood. OUP Oxford, 2013.

PINHEIRO, J.; BATES, D. Mixed-effects models in S and S-plus. Springer, 2009.

RITZ, C.; STREIBIG, J. Nonlinear regression with R. Springer New York, 2008.

VENABLES, W.; RIPLEY, B. Modern applied statistics with S. Springer New York, 2013.

WOOD, S. Generalized additive models: An introduction with R. 2nd ed. CRC Press, 2017.