Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anterior Revisão anterior
Próxima revisão
Revisão anterior
disciplinas:ce071-2014-01 [2014/04/09 18:27]
walmes
disciplinas:ce071-2014-01 [2014/06/17 14:46] (atual)
walmes
Linha 1: Linha 1:
 ====== CE-071: Análise de Regressão Linear ====== ====== CE-071: Análise de Regressão Linear ======
 +
 +<WRAP center round important 60%>
 +<fs large><​fc #​FF0000>​EXAME FINAL</​fc>​ no dia 16/07, 19h00 no LABEST.
 +Todo o conteúdo da disciplina.
 +O aluno pode usar computador próprio.
 +</fs>
 +</​WRAP>​
  
 {{ http://​www.visualreporting.dk/​en/​images/​r-project-consultant.png?​480|}} {{ http://​www.visualreporting.dk/​en/​images/​r-project-consultant.png?​480|}}
Linha 20: Linha 27:
 {{url>​http://​www.leg.ufpr.br/​~walmes/​ensino/​ce071-2014-01/​ 800px, 600px center}} {{url>​http://​www.leg.ufpr.br/​~walmes/​ensino/​ce071-2014-01/​ 800px, 600px center}}
  
-==== Histórico das Aulas do Curso ==== +/* ==== Histórico das Aulas do Curso ==== */ 
 +/*
 Abaixo o histórico de atividades realizadas em classe e atividades extra classe aplicadas. Abaixo o histórico de atividades realizadas em classe e atividades extra classe aplicadas.
   - 10/02:   - 10/02:
Linha 64: Linha 71:
     * Estudo sobre o preço de veículos em função da quilometragem e tipo de câmbio;     * Estudo sobre o preço de veículos em função da quilometragem e tipo de câmbio;
     * Especificação e testes de hipóteses entre modelos aninhados.     * Especificação e testes de hipóteses entre modelos aninhados.
-  - 31/03 +  - 31/03
-  - 02/04 +    * Ajuste do modelo e previsão de valores; 
-  - 07/04 +    * Intervalos de confiança e intervalos de predição. 
-  - 09/04 +  - 02/04
-  - 14/04 +    * Análise dos pressupostos do modelo; 
-  - 16/04 +    * Medidas de influência;​ 
-  - 21/04 +    * Tipos de resíduos (crus, padronizados,​ studentizados);​ 
-  - 23/04 +    * DFfits, DFbetas e distância de Cook; 
-  - 28/04 +  - 07/04
-  - 30/04 +    * Análise dos resíduos e medidas de influência;​ 
-  - 05/05 +    * Prática de regressão linear múltipla com o R; 
-  - 07/05 +    * Estudo sobre o preço de relógios antigos; 
-  - 12/05 +    * Estudo sobre o salário de trabalhadores sociais. 
-  - 14/05 +  - 09/04
-  - 19/05 +    * Medidas de colinearidade;​ 
-  - 21/05 +    * Fator de inflação da variância. 
-  - 26/05 +  - 14/04
-  - 28/05 +    * Polinômios ortogonais;​ 
-  - 02/06 +    * Centralização das variáveis;​ 
-  - 04/06 +    * Prática de regressão linear múltipla com o R; 
-  - 09/06 +    * Estudo sobre nível de ddt em peixes; 
-  - 11/06 +    * Estudo sobre o gasto em consumo de alimentos por família. 
-  - 16/06 +  - 16/04: 
-  - 18/06 +    * Seleção de variáveis;​ 
-  - 23/06 +    * Seleção forward, backwad e stepwise baseados em critérios de informação (AIC e BIC); 
-  - 25/06+  - 23/04
 +    * Prática de regressão linear múltipla com o R; 
 +    * Estudo sobre a qualidade de vinhos; 
 +    * Estudo sobre o salario de executivos. 
 +  - 28/04: 
 +    * Variáveis categóricas no modelo de regressão; 
 +    * Estudo das interações. 
 +  - 07/05
 +    * Introdução aos modelos de regressão não linear; 
 +    * Aspectos motivacionais práticos e diferenças para o modelo linear; 
 +    * Especificação,​ ajuste, diagnóstico e interpretação. 
 +  - 12/05
 +    * Regiões de confiança em modelos de regressão;​ 
 +    * Relações entre a região de confiança e a matriz de covariância dos parâmetros;​ 
 +    * Tipos de testes: razão de verossimilhanças e Wald; 
 +    * Tipos de intervalo de confiança: baseados na verossilhança e de Wald. 
 +  - 14/05
 +    * Teste de hipótese;​ 
 +    * Bandas de confiança;​ 
 +    * Medidas de diagnóstico. 
 +  - 19/05
 +    * Ajuste de modelos não lineares com variáveis independentes categórias. 
 +  - 21/05: 
 +    * Comparação de modelos não lineares; 
 +    * Parametrizações. 
 +  - 02/06
 +    * Apresentação de seminários. 
 +  - 04/06: 
 +    * Apresentação de seminários. 
 +*/
  
 ==== Links úteis ==== ==== Links úteis ====
  
 +=== Cursos, dados e scripts sobre Regressão Linear ===
   * {{http://​www.ats.ucla.edu/​stat/​sas/​examples/​chp/​|Regression Analysis by Example, by Chatterjee, Hadi and Price}}: scripts;   * {{http://​www.ats.ucla.edu/​stat/​sas/​examples/​chp/​|Regression Analysis by Example, by Chatterjee, Hadi and Price}}: scripts;
   * {{http://​www.ats.ucla.edu/​stat/​sas/​examples/​chp/​chpsas_dl.htm|Regression Analysis by Example, by Chatterjee, Hadi and Price}}: dados em txt;   * {{http://​www.ats.ucla.edu/​stat/​sas/​examples/​chp/​chpsas_dl.htm|Regression Analysis by Example, by Chatterjee, Hadi and Price}}: dados em txt;
Linha 99: Linha 136:
   * {{http://​www.stat.ufl.edu/​~winner/​Regression_Examples.html|Regression Examples}}: dados e scripts de análises em R e $A$;   * {{http://​www.stat.ufl.edu/​~winner/​Regression_Examples.html|Regression Examples}}: dados e scripts de análises em R e $A$;
  
 +=== Cartões de referência ===
   * {{http://​www2.kenyon.edu/​Depts/​Math/​hartlaub/​Math305%20Fall2011/​R.htm|Resumo de comandos R e pacotes para regressão}};​   * {{http://​www2.kenyon.edu/​Depts/​Math/​hartlaub/​Math305%20Fall2011/​R.htm|Resumo de comandos R e pacotes para regressão}};​
   * {{http://​cran.r-project.org/​doc/​contrib/​Ricci-refcard-regression.pdf|Cartão de referência para regressão}};​   * {{http://​cran.r-project.org/​doc/​contrib/​Ricci-refcard-regression.pdf|Cartão de referência para regressão}};​
  
 +=== Medidas de diagnóstico ===
   * {{http://​www.stats.ox.ac.uk/​~burke/​Linear%20Models/​Linear%20Models%20Notes.pdf|Slides de curso completo de Regressão Linear}};   * {{http://​www.stats.ox.ac.uk/​~burke/​Linear%20Models/​Linear%20Models%20Notes.pdf|Slides de curso completo de Regressão Linear}};
   * {{http://​statweb.stanford.edu/​~jtaylo/​courses/​stats203/​notes/​diagnostics.pdf|Slides de medidas de diagnóstico}};​   * {{http://​statweb.stanford.edu/​~jtaylo/​courses/​stats203/​notes/​diagnostics.pdf|Slides de medidas de diagnóstico}};​
Linha 107: Linha 146:
   * {{http://​courses.washington.edu/​b515/​l7.pdf|Exemplos de diagnóstico}};​   * {{http://​courses.washington.edu/​b515/​l7.pdf|Exemplos de diagnóstico}};​
   * {{http://​statweb.stanford.edu/​~jtaylo/​courses/​stats203/​notes/​diagnostics.pdf|Resumo de medidas de diagnóstico (com exemplos)}}   * {{http://​statweb.stanford.edu/​~jtaylo/​courses/​stats203/​notes/​diagnostics.pdf|Resumo de medidas de diagnóstico (com exemplos)}}
 +
 +=== Regressão com variáveis categóricas ===
 +  * {{http://​www.sagepub.com/​upm-data/​21120_Chapter_7.pdf|Dummy-Variable Regression}};​
 +  * {{http://​gauss.stat.su.se/​gu/​e/​slides/​F6-Dummy-Variable.pdf|Dummy variable regression models}};
 +  * {{http://​socserv.socsci.mcmaster.ca/​jfox/​Courses/​SPIDA/​dummy-regression-notes.pdf|Dummy-Variable Regression}};​
 +  * {{https://​www.princeton.edu/​~slynch/​soc504/​expanding_ols.pdf|Expanding the Model Capabilities:​ Dummy Variables, Interactions,​ and Nonlinear Transformations}}.
  
 ==== Avaliações ==== ==== Avaliações ====
Linha 195: Linha 240:
 <​latex>​ <​latex>​
 t_i = \dfrac{e_i}{s(e_i)} = \dfrac{e_i}{\hat{\sigma}_{-i}\sqrt{1-h_{i}}}\\ t_i = \dfrac{e_i}{s(e_i)} = \dfrac{e_i}{\hat{\sigma}_{-i}\sqrt{1-h_{i}}}\\
-\hat{\sigma}_{-i}^2 = \dfrac{(n-p)\hat{\sigma}^2-\frac{e_i}{1-h_{i}}}{(n-1)-p}+\hat{\sigma}_{-i}^2 = \dfrac{(n-p)\hat{\sigma}^2-\frac{e_i^2}{1-h_{i}}}{(n-1)-p}
 </​latex>​ </​latex>​
  
Linha 206: Linha 251:
   * DFfits   * DFfits
 <​latex>​ <​latex>​
-dffits_i = \dfrac{\hat{y}_i-\hat{y}_{i(-i))}}{\hat{\sigma}_{-i}\sqrt{1-h_i}} = \left( \dfrac{p\cdot D_i \cdot\hat{\sigma}^2}{\hat{\sigma}^2_{-i}} \right )^{1/2}+dffits_i = \dfrac{\hat{y}_i-\hat{y}_{i(-i))}}{\hat{\sigma}_{-i}\sqrt{h_i}} = t_i\left( \dfrac{h_i}{1-h_i} \right )^{1/2}
 </​latex>​ </​latex>​
  
Linha 215: Linha 260:
 </​latex>​ </​latex>​
  
-<code R> +=== Trabalho 4 ===
-##​----------------------------------------------------------------------------- +
-## Definições da sessão.+
  
-require(lattice) +  * Análise de dados por meio de regressão com presença de variáveis independentes categóricas;​ 
-require(latticeExtra) +  * Os dados e contexto são exercício do capítulo 6 do *Applied Linear Regression* 3.ed do Weisberg; 
-require(car) +  * Fazer análise dos dados fornecendo o contexto e objetivos do mesmodeclarar o modelocorrer análise dos resíduosinterpretar os resultadosfazer a predição ​com bandas de confiança; 
- +  * Entregar *.zip o pdf, Rnw e arquivos acessórios;​ 
-## RSiteSearch("​VIF regression"​) +  * Prazo de entrega12/05/2014 até às 23h59;
-## require(faraway) ## tem função vif() +
-## require(fmsb) ​   ## tem a função VIF() +
- +
-## Função vif da página da Professora Dra Sueli Giolo. +
-source("​http://​people.ufpr.br/​~giolo/​CE071/​Exemplos/​vif.R"​) +
- +
-## Several packages in R provide functions to calculate VIF: vif in +
-## package HHvif in package carVIF in package fmsbvif in package +
-## farawayand vif in package VIF. The number of packages that provide +
-## VIF functions is surprising given that they all seem to accomplish +
-## the same thing. +
-## +
-## http://​beckmw.wordpress.com/​2013/​02/​05/​collinearity-and-stepwise-vif-selection +
- +
-## http://​courses.ttu.edu/​isqs5349-westfall/​images/​5349/​multicollinearity_99.htm +
-## Considere o conjunto ​de dados turtles.txt em +
-## http://westfall.ba.ttu.edu/​isqs5349/​Rdata/​turtles.txtx+
  
 +<code R>
 ##​----------------------------------------------------------------------------- ##​-----------------------------------------------------------------------------
- +str(twins) ​    ## 6.4 ​Eduardo
-prelink <- "​http://​www.leg.ufpr.br/​~walmes/​data/​business_economics_dataset"​ +str(BGSall   ## 6.6.  Michele. 
- +str(cathedral) ## 6.10. Paula
-da <- read.table(paste(prelink,​ "/​EXAMPLES/​FTC.DAT",​ sep=""​),​ +str(salary   ## 6.13. Cintia
-                 ​header=FALSE) +str(mile) ​     ​## 6.18. Gustavo.
-str(da) +
- +
-names(da) <- c("​tar",​ "​nicotine",​ "​weight",​ "​co"​+
-str(da) +
- +
-## tar: conteúdo de alcatrão;​ +
-## nicotine: conteúdo de nicotina; +
-## weight: peso; +
-## co: monoxido de carbono; +
- +
-## Os valores no data.frame são dos valores de alcatrão, nicotina e +
-## monoxido de carbono ​(mge peso (g) para uma amostra de 25 marcas de +
-## filtros testadosDeseja-se modelar o monoxido de carbono como função +
-## das demais variáveis. +
- +
-m0 <- lm(co~tar+nicotine+weight,​ data=da) +
-summary(m0) +
- +
-par(mfrow=c(2,​2)) +
-plot(m0) +
-layout(1) +
 ##​----------------------------------------------------------------------------- ##​-----------------------------------------------------------------------------
 </​code>​ </​code>​

QR Code
QR Code disciplinas:ce071-2014-01 (generated for current page)