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

Próxima revisão
Revisão anterior
disciplinas:ce092-2015-02:historico [2015/08/04 16:13]
paulojus criada
disciplinas:ce092-2015-02:historico [2015/12/15 14:16] (atual)
paulojus
Linha 15: Linha 15:
  
 ^ Data ^ Conteúdo ^ Leitura ^ Exercícios ^ Tópico ^ ^ Data ^ Conteúdo ^ Leitura ^ Exercícios ^ Tópico ^
-| 04/08 Ter |Informações sobre o curso. Uma discussão sobre algumas extensões do modelo de regressão: GLM, modelos com respostas transformadas,​ modelos não-lineares. Modelos paramétricos,​ não paramétricos e semi-paramétricos |Cap 1 - Introdução \\ Livro do Faraway | [[#​04/​08|Ver abaixo]] | [[#​04/​08|Ver abaixo]] |  ​+| 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 | [[#​04/​08|Ver abaixo]] | [[#​04/​08|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 | |{{http://​www.leg.ufpr.br/​~paulojus/​CE092-2015/​segmentada.html|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. |{{:​disciplinas:​ce092-2015-02:​verotrans.pdf|texto distribuído}} |  |  |   
 +| 24/09 Qui |Exercícios e códigos: modelos não lineares e modelos para variáveis transformadas |  | [[#​24/​09|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 |[[http://​fish.gov.au/​reports/​Documents/​Venables_and_Dichmont_2004.pdf|Artigo para leitura e discussão]] |{{:​disciplinas:​ce092-2015-02:​bill-dichmont.pdf|Comentários sobre artigo}} |{{:​disciplinas:​ce092-2015-02:​review.pdf|}} | 
 +| 13/10 Ter |Modelos GLMM - inferência e métodos de integração (quadratura,​ Laplace e Monte Carlo). Discussão do artigo de Venables e Dichmont | [[#​13/​10|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 ​ | [[#​27/​10|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 ​ | |[[http://​www.scielo.br/​pdf/​rbe/​v57n2/​a01v57n2.pdf|Artigo para leitura e discussão]] | 
 +| 10/12 Qui |Discussão do artigo de Cribari-Neto & Soares | | | 
 +| 15/12 Ter |  | | | 
 +| 17/12 Qui |  | | |
  
  
Linha 21: Linha 50:
   * **Atividades**   * **Atividades**
     - Obter os materiais recomendados para o curso     - Obter os materiais recomendados para o curso
-    - Estudar e preparar apresentação comparando ​duas estratégias para ajuste de um conjunto de dados: modelo com transformação da resposta e modelo com transformação na função de ligação. Utilizando {{:​disciplinas:​ce092-2014-02:df01.txt|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 transformação ''​log()''​.+    - 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 {{:​disciplinas:​ce092-2015-02:df02.txt|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 transformação ''​log()''​.
     - 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//.     - 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  [[http://​www.leg.ufpr.br/​~paulojus/​embrapa/​Rembrapa/​Rembrapase30.html#​x32-20100030|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 {{:​disciplinas:​ce092-2015-02:​verotrans.pdf|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: \\ <​latex>​
 +Y_{ij} \sim {\rm P}(\lambda_i) \\ \log(\lambda_i) = \mu + b_i \\ b_i \sim {\rm N}(0, \sigma^2)</​latex>​
 +    - 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.
  

QR Code
QR Code disciplinas:ce092-2015-02:historico (generated for current page)