Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Próxima revisão Ambos lados da revisão seguinte | ||
disciplinas:ce092-2018-02:historico [2018/10/25 18:53] paulojus |
disciplinas:ce092-2018-02:historico [2018/11/12 20:50] paulojus |
||
---|---|---|---|
Linha 37: | Linha 37: | ||
| 09/10 Qui |Discussão/interpretação do artigo de Singer et. al. | |[[#09/10|Ver abaixo]] | | | 09/10 Qui |Discussão/interpretação do artigo de Singer et. al. | |[[#09/10|Ver abaixo]] | | ||
| 22/10 Ter |Simulação de dados em modelos de efeitos aleatórios. Modelos para respostas não gaussianas - introdução | |[[#22/10|Ver abaixo]] | | | 22/10 Ter |Simulação de dados em modelos de efeitos aleatórios. Modelos para respostas não gaussianas - introdução | |[[#22/10|Ver abaixo]] | | ||
- | | 24/10 Qui | | | | | + | | 24/10 Qui |Inferência em GLMM | |[[#24/10|Ver abaixo]] | |
+ | | 30/10 Ter |Sem aula presencial. Atividade recomendada: discussão em grupo dos exercícios propostos nas últimas aulas | | | | ||
+ | | 01/11 Qui |Discussão de exemplo de análise da dados de contagem com efeitos aleatórios (Ex no livro de Faraway). ''glmmPQL()'' e ''glmer()'' | | | | ||
+ | | 07/11 Ter |Introdução às árvores. |Faraway, Cap 16: 16.1 e 16.2 |[[#07/11|Ver abaixo]] | | ||
+ | | 09/11 Qui |Um pouco mais sobre árvores. Avaliação do ajusta. Características e limitações do método. Critérios para poda de árvores | |Analisar via árvores dados vistos em alguma outra disciplina (reg/gamlss, ..._ | | ||
=== 31/07 === | === 31/07 === | ||
Linha 170: | Linha 174: | ||
- Simular dados do modelo longitudinal com efeito linear no tempo e intercepto aleatório. | - Simular dados do modelo longitudinal com efeito linear no tempo e intercepto aleatório. | ||
- Simular dados do modelo longitudinal com efeito linear no tempo e intercepto e inclinação aleatórios. | - Simular dados do modelo longitudinal com efeito linear no tempo e intercepto e inclinação aleatórios. | ||
+ | |||
+ | === 24/10 === | ||
+ | - Simular dados para cada uma das situações anteriores porém agora resposta Poisson. Em cada caso fazer gráficos adequados dos dados simulados. Considerar diferentes cenários na simulação. | ||
+ | - Ajustar modelos aos dados simulados usando a ''lme4:::lmer()'' | ||
+ | - Escrever a expressão da verossimilhança para o modelo Poisson con efeito aleatório em grupos de observações (situação 1 das simulações) | ||
+ | - **Desafio**: escrever um código para estimar os parêmetros no primeiro caso e comparas suas estimativas com a da ''lme4:::glmer()'' | ||
+ | |||
+ | === 07/11 === | ||
+ | - {{ :disciplinas:ce092-2018-02:intro-trees.r |Arquivo de comandos}} visto em aula | ||