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
Próxima revisão Ambos lados da revisão seguinte
disciplinas:ce092-2018-02:historico [2018/09/13 23:01]
paulojus
disciplinas:ce092-2018-02:historico [2018/11/12 20:50]
paulojus
Linha 29: Linha 29:
 | 11/08 Ter |Uma discussão sobre recursos computacionais e estatística. Introdução aos efeitos aleatórios | | [[#​11/​09|Ver abaixo]] |  | 11/08 Ter |Uma discussão sobre recursos computacionais e estatística. Introdução aos efeitos aleatórios | | [[#​11/​09|Ver abaixo]] | 
 | 13/08 Qui |Efeitos aleatórios - um modelo particular e generalizações. Predição dos efeitos aleatórios | | [[#​13/​09|Ver abaixo]] |  | 13/08 Qui |Efeitos aleatórios - um modelo particular e generalizações. Predição dos efeitos aleatórios | | [[#​13/​09|Ver abaixo]] | 
 +| 18/08 Ter |Efeitos aleatórios - Efeitos aleatórios por grupos de observações. ​ Predição dos efeitos aleatórios. Especificação geral do modelo Gaussiano e casos vistos até aqui como particulares do modelo geral. | | [[#​18/​09|Ver abaixo]] | 
 +| 20/08 Qui |Estimação em efeitos aleatórios. Obtenção das expressões. Estimação por verossimilhança e métodos numéricos. | |  | 
 +| 27/08 Ter |Não houve aula. | |  | 
 +| 29/08 Qui |Computação em modelos de efeitos aleatórios | |[[#​29/​09|Ver abaixo]] ​ | 
 +| 02/10 Ter |SIEPE - dia não letivo ​ | |  | 
 +| 04/10 Qui |SIEPE - dia não letivo | |  | 
 +| 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]] ​ | 
 +| 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 108: Linha 121:
   - Explorar detalhadamente {{ :​disciplinas:​ce092-2018-02:​exemplo-linear-to-splines.r |este arquivo de comandos}}   - Explorar detalhadamente {{ :​disciplinas:​ce092-2018-02:​exemplo-linear-to-splines.r |este arquivo de comandos}}
   ​   ​
-=== 11/08 ==+=== 11/09 ==
   - Explorar o material (shiny) preparado pela Jhenifer e Lineu    - Explorar o material (shiny) preparado pela Jhenifer e Lineu 
  
-=== 13/08 == +=== 13/09 == 
-  - Explorar o {{ :​disciplinas:​ce092-2018-02:​ranef01.r |arquivo de comandos}} visto em aula. Procure mudar termos e opções para verificar os efeitos  +  - Explorar o {{ :​disciplinas:​ce092-2018-02:​ranef01.r |arquivo de comandos}} visto em aula.  
-  - Escrever um código ​apra estimar os parâmetros do modelo discutido em aula+  - Procure mudar termos e opções para verificar os efeitos  
 +  - Escrever um código ​para estimar os parâmetros do modelo discutido ​em aula 
 + 
 +=== 18/09 == 
 +  - O {{ :​disciplinas:​ce092-2018-02:​ranef01.r |arquivo de comandos}} visto na aula passada foi atualizado.  
 +  - Procure mudar termos e opções para verificar os efeitos  
 +  - Montar a matriz adequada para ajustar uma regressão linear para cada grupo, com os coeficientes da regressão considerados como aleatórios. Contraste com a regressão ajustada para cada grupo. 
 + 
 +=== 18/09 == 
 +  - O {{ :​disciplinas:​ce092-2018-02:​ranef01.r |arquivo de comandos}} visto na aula passada foi novamente atualizado incluindo agora estimação de parâmetros.  
 + 
 +=== 29/09 === 
 +  - [[http://​leg.ufpr.br/​~paulojus/​embrapa/​Rembrapa/​Rembrapase27.html#​x29-18300027|Um outro exemplo de códigos com uma análise similar]]. Modificar os códigos se necessário para nova versão da **lme4**. ​ Interpretar os resultados e extrair resumos interessantes da análise. ​  
 +  - <​wrap>​Estudar o artigo de Singer et.al. Confiabilidade e Precisão na Estimação de Médias\\ 
 +Julio M. Singer, Carmen Diva Saldiva de André, Clóvis de Araújo Peres\\ **Confiabilidade e Precisão na Estimação de Médias**\\ [[http://​www.rbes.ibge.gov.br/​images/​doc/​rbe_236_jan_jun2012.pdf|Revista Brasileira de Estatística,​ v73]], n. 236, jan./jun. 2012. </​wrap>​ 
 +  - Escrever códigos que reproduzam as análises do artigo<​code>​ 
 +Local Concentra  
 +1     170,6  
 +1     154,7  
 +1     136,4  
 +1     153,1  
 +2      68,0  
 +2      66,4  
 +2      70,3  
 +2      71,1  
 +3     151,5  
 +3     138,0  
 +3     ​128,​4 
 +3     ​118,​1 
 +4     ​153,​9 
 +4     ​149,​1 
 +4     ​147,​5 
 +4     ​103,​8 
 +5      83,9 
 +5     ​101,​4 
 +5     ​117,​3 
 +5     ​114,​1</​code>​ 
 +  - [[http://​www.leg.ufpr.br/​~walmes/​ensino/​extensoes/​tutorials/​02-mixed-models.html|Material modelos mistos na análise de experimentos do Prof. Walmes]] 
 + 
 +=== 09/10 === 
 +  - {{ :​disciplinas:​ce092-2016-02:​singer.dat |Dados do artigo }} 
 +  - {{:​disciplinas:​ce092-2016-02:​codigo.r|Códigos reproduzindo alguns resultados do artigo}} de Singer et. al. 
 +  
 +=== 22/10 === 
 +Simular dados para cada uma das situações a seguir. Em cada caso fazer gráficos adequados dos dados simulados. Considerar diferentes cenários na simulação. 
 +  - Simular dados do modelo para grupos de observações,​ semelhante utilizado no artigo de Singer et al.  
 +  - 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. 
 + 
 +=== 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
  

QR Code
QR Code disciplinas:ce092-2018-02:historico (generated for current page)