Modelagem Estatística

Informações básicas

Carga horária: 

45h

Pré-requisito: 

Inferência Estatística

Ementa: 

nta Modelos lineares generalizados, Interpretação de coeficientes sob uma perspectiva de inferência causal, Regressão linear simples, Regressão logística, Regressão de Poisson, Análise de dados de sobrevivência, Análise de dados longitudinais, Diagnóstico de ajuste de modelos, Estudo dos resíduos, Violações de hipóteses básicas, Seleção de modelos, Multicolinearidade, Transformações de variáveis, Modelos hierárquicos/multinível/efeitos aleatórios/fragilidade.

 

Bibliografia

Obrigatória: 

  • Fahrmeir, L. (2013). Regression: models, methods and applications. New York, Springer.
  • Gelman, A. and J. Hill (2007). Data analysis using regression and multilevel/hierarchical models. Cambridge; New York, Cambridge University Press.
  • Congdon, P.D. (2020) Bayesian Hierarchical Models with Applications Using R Second Edition. Boca Raton, CRC Press/Taylor & Francis Group

Complementar: 

  • Kline, R. B. (2016). Principles and practice of structural equation modeling. New York, Guilford Press.
  • McElreath, R. (2016). Statistical rethinking: a Bayesian course with examples in R and Stan. Boca Raton, CRC Press/Taylor & Francis Group.
  • Draper, N.R. & Smith, H., Applied Regression Analysis - Third Edition, 1998, John Wiley & Sons
  • Friedman, Jerome, Trevor Hastie, and Robert Tibshirani. The elements of statistical learning. Vol. 1. New York: Springer series in statistics, 2001.