Modelos Lineares Generalizados e Aplicações
Objetivos
Compreender e ser capaz de utilizar modelos de regressão log-linear, gama, Poisson e binário, enquadrando-os numa classe mais vasta de modelos, os modelos lineares generalizados.
Conhecer os pressupostos de aplicação de cada um dos modelos e saber avaliar se estão presentes em situações práticas concretas.
Estimar os modelos com recurso a software específico (R-project), saber interpretar as estimativas obtidas e avaliar a qualidade do ajuste efectuado.
Estudar observações discrepantes e influentes e saber como lidar com elas.
Analisar diversos exemplos práticos, essencialmente reais, com as metodologias descritas.
Caracterização geral
Código
12018
Créditos
6.0
Professor responsável
Inês Jorge da Silva Sequeira
Horas
Semanais - 4
Totais - 62
Idioma de ensino
Português
Pré-requisitos
Conhecimento de Análise de Regressão Linear Simples e Múltipla.
Bibliografia
Cordeiro GM, Demétrio CGB. (2008). Modelos Lineares Generalizados e Extensões. http://www.lce.esalq.usp.br/arquivos/aulas/2010/LCE5868/livro.pdf
Dobson AJ (1990). An Introduction to Generalized Linear Models. Chapman & Hall/CRC
Venables WN, Smith DM, R Core Team (2014). An Introduction to R: Notes on R: A Programming Environment for Data Analysis and Graphics, Version 3.1.0. http://www.r-project.org/
Hosmer DW, Lemeshow S (2013). Applied Logistic Regression – 3rd Edition. Wiley
McCullagh P, Nelder JA (1989). Generalized Linear Models - 2nd Edition. Chapman & Hall/CRC
Rodríguez, G. (2007). Lecture Notes on Generalized Linear Models. http://data.princeton.edu/wws509/notes/
Turkman MAA, Silva GL (2000). Modelos Lineares Generalizados - da teoria à prática. SPE http://docentes.deio.fc.ul.pt/maturkman/mlg.pdf
Método de ensino
A unidade curricular é dividida em 6 unidades de aprendizagem que incluem cada 2-3 vídeos de exposição oral de matéria, de 10-15 minutos, com apresentação de exemplos e complementados por exercícios propostos resolvidos. No final de cada unidade é distribuído um exercício de revisão. É disponibilizado horário de atendimento para dúvidas via Skype, Email ou Zoom.
Método de avaliação
Dois momentos de avaliação: trabalho individual (50%) e teste final (50%).
Conteúdo
UA 1 – Modelo de Regressão linear
UA 2 – Modelos Lineares Generalizados
UA 3 – Modelo de regressão gama e suas aplicações
UA 4 – Modelo de regressão binária (logistica) e suas aplicações
UA 5 – Modelo de regressão Poisson ou modelos log-lineares e suas aplicações
UA 6 – Modelo log-linear para tabelas 2x2 e suas aplicações