Extensões de Modelos de Regressão Curso de Bacharelado em Estatística · UFPR

EMR

Informações

• Curso: CE-092 Extensões de Modelos de Regressão.
• Instrutores:
  • Paulo Justiniano Ribeiro Jr, (DEST/LEG).
  • Walmes Marques Zeviani, (DEST/LEG).
• Carga horária: 60 horas.
• Local e horário:
  • Terça-feira 1º horário · PA-01.
  • Quinta-feira 2º horário · LAB-B.
• Moodle: https://moodle.c3sl.ufpr.br/course/view.php?id=248.
  • Fórum para dúvidas.
  • Avisos em geral.
  • Agendamento de provas, trabalhos.
  • Aplicação das sabatinas.
• Ofertas anteriores: 2014, 2015, 2016, 2017, 2018.
• Calendário acadêmico 2019 resumido.

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 de árvores de regressão e classificação
8. Modelos não lineares
9. Modelos de regressão com erros não IID
10. Modelos de efeitos aleatórios
11. Modelos de regressão quantílica
12. Modelos de redes neurais
13. Introdução aos modelos de regressão multivariados

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

Avaliações

• ~10 sabatinas semanais.
• 2 provas.
  • 1ª prova:: Terça 17 de Setembro de 2019.
  • 2ª prova: Terça 05 de Novembro de 2019.
• 1 trabalho: 18/11 a 29/11 de 2019.
• Exame final: Terça 10 de Dezembro de 2019.

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

Artigos para leitura

1. Inferência em Modelos Heterocedásticos · Cribari-Neto & Soares (download).
2. Confiabilidade e Precisão na Estimação de Médias · Singer, André & Peres (donwload). O arquivo de dados está em http://www.leg.ufpr.br/~paulojus/CE092/singer.dat.

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.

---

Extensões de Modelos de Regressão web.leg.ufpr.br/ensino/EMR

Prof. Walmes M. Zeviani Prof. Paulo Justiniano R. Jr Departamento de Estatística · UFPR