Não foi possível enviar o arquivo. Será algum problema com as permissões?
CE-092 -- Segundo semestre de 2015
No quadro abaixo será anotado o conteúdo dado em cada aula do curso.
São indicados os Capítulos e Sessões correspondentes nas referências bibliográficas,
bem como os exercícios sugeridos.
Veja ainda depois da tabela as Atividades Complementares.
Observação sobre exercícios recomendados os exercícios indicados são compatíveis com o nível e conteúdo do curso.
Se não puder fazer todos, escolha alguns entre os indicados.
Conteúdos das Aulas
| Data | Conteúdo | Leitura | Exercícios | Tópico |
|---|---|---|---|---|
| 04/08 Ter | Informações sobre o curso. Uma discussão sobre algumas possíveis extensões do modelo de regressão: GLM, modelos com respostas transformadas, segmentados, modelos não-lineares. Modelos paramétricos, não paramétricos e semi-paramétricos | Cap 1 - Introdução Livro do Faraway | Ver abaixo | Ver abaixo |
| 06/08 Qui | Discussão da turma sobre os dois exemplos e opções para ajuste de modelos | |||
| 11/08 Ter | Apresentações: Modelos de regressão segmentada (Eduardo e Henrique) e respostas transformadas (Cintia e Damiane) | |||
| 17/09 Qui | Fundamentos de modelos não lineares | Material desenvolvido sobre Reg. Segmentada | ||
| 22/09 Ter | Cálculo de verossimilhança para modelos de ajustes com diferentes distribuições e com transformação de variáveis. Verossimilhanças na mesma escala para comparação. Comentários sobre modelos com independência condicional. | texto distribuído | ||
| 24/09 Qui | Exercícios e códigos: modelos não lineares e modelos para variáveis transformadas | Ver abaixo | ||
| 29/09 Ter | Regressão não paramétrica: idéias fundamentais. Suavização por kernel, polinômios locais, splines (suavizadores e regressão) | Cap 11 de Faraway | ||
| 01/10 Qui | Regressão não paramétrica. Exemplos computacionais e discussão em grupo. | Cap 11 de Faraway | ||
| 06/10 Ter | SIEPE - sem aulas neste dia | |||
| 08/10 Qui | GLM's, GAMs e GLMM's | Artigo para leitura e discussão | Comentários sobre artigo | review.pdf |
| 13/10 Ter | Modelos GLMM - inferência e métodos de integração (quadratura, Laplace e Monte Carlo). Discussão do artigo de Venables e Dichmont | Ver abaixo | ||
| 15/10 Qui | Programação de algorítmos para inferência em um GLMM simples com diferentes estratégias de integração | |||
| 20/10 Ter | Métodos de quadratura e Monte Carlo | |||
| 22/10 Qui | revisão de inferência para GLMM e preparação do método de Laplace | |||
| 27/10 Ter | Verossimilhança para GLMM com integração de Laplace: revisão de fundamentos e implementação | Ver abaixo | ||
| 29/10 Qui | Modelos mistos na prática: preparação de exemplos de ajustes | |||
| 03/11 Ter | ||||
| 05/11 Qui | ||||
| 10/11 Ter | ||||
| 12/11 Qui | ||||
| 17/11 Ter | ||||
| 19/11 Qui | ||||
| 24/11 Ter | Árvores de regressão e classificação - fundamentos | |||
| 26/11 Qui | Estudos | |||
| 01/12 Ter | Exemplos de análises de árvores | |||
| 03/12 Qui | Ex Leonardo e Tópicos adicionais em árvores (Prof. César) | |||
| 08/12 Ter | Introdução aos modelos heterocedásticos | Artigo para leitura e discussão | ||
| 10/12 Qui | Discussão do artigo de Cribari-Neto & Soares | |||
| 15/12 Ter | ||||
| 17/12 Qui |
04/08
- Atividades
- Obter os materiais recomendados para o curso
- Estudar e preparar apresentação comparando diferentes estratégias para ajuste de um conjunto de dados: modelo com transformação da resposta e modelo com transformação na função de ligação.
Utilizando este arquivo de dados, efetue as análises das regressões de Y1 vs x e Y2 vs x, cada uma delas com ambos modelos. Utiliza a transformaçãolog(). - Estudar e preparar apresentação sobre o modelo de regressão segmentado/por partes (piecewise ou segmented regression). Usar o mesmo conjunto de dados do conjunto anterior. Escolha um ponto adequado como ponto de quebra.
PS: procure utilizar funções do R e tb escrever suas próprias funções para estimar os modelos.
24/09
- Estudar e discutir em grupo este exemplo de ajuste de modelos não lineares
- Propor um modelo não linear para os exemplos com os conjuntos de dados utilizados no curso
- Ajustar também uma regressão com transformação de variáveis e comparar o ajuste com demais modelos já discutidos.
- Escrever suas próprias funções para ajustes de diferentes distribuições (incluindo com transformação) conforme sugerido no texto distribuído
- Idem para modelos de regressão com variáveis transformadas
13/10
- Estimação analítica de alguns GLMM: mostre os resultados para os modelos Poisson-Gamma, Beta-Binomial e Normal discutidos em aula.
- Estimação numérica de um GLMM
- Simular dados de um modelo Poisson com efeito aleatório:
- Escrever algorítmos utilizando diferentes métodos de integração para estimar o modelo
27/10
- Aproximar pdf's pela Normal (sugestão Gamma, mas vejam ouras tb)
- Implementar a aproximação de Laplace para ajuste de GLMM
- Sugestão: implementar para GLMM com distribuição de Poisson e intercepto aleatório.
