Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- disciplinas:ce071-2014-01 [2014/04/09 18:27] – walmes
+++ disciplinas:ce071-2014-01 [2014/06/17 14:46] (atual) – walmes
@@ Linha 1: / Linha 1: @@
 ====== CE-071: Análise de Regressão Linear ======
+<WRAP center round important 60%>
+<fs large><fc #FF0000>EXAME FINAL</fc> no dia 16/07, 19h00 no LABEST.
+Todo o conteúdo da disciplina.
+O aluno pode usar computador próprio.
+</fs>
+</WRAP>
 {{ http://www.visualreporting.dk/en/images/r-project-consultant.png?480|}}
@@ Linha 20: / Linha 27: @@
 {{url>http://www.leg.ufpr.br/~walmes/ensino/ce071-2014-01/ 800px, 600px center}}
-==== Histórico das Aulas do Curso ====
+/* ==== Histórico das Aulas do Curso ==== */
+/*
 Abaixo o histórico de atividades realizadas em classe e atividades extra classe aplicadas.
   - 10/02:
@@ Linha 64: / Linha 71: @@
     * Estudo sobre o preço de veículos em função da quilometragem e tipo de câmbio;
     * Especificação e testes de hipóteses entre modelos aninhados.
-  - 31/03
+  - 31/03:
-  - 02/04
+    * Ajuste do modelo e previsão de valores;
-  - 07/04
+    * Intervalos de confiança e intervalos de predição.
-  - 09/04
+  - 02/04:
-  - 14/04
+    * Análise dos pressupostos do modelo;
-  - 16/04
+    * Medidas de influência;
-  - 21/04
+    * Tipos de resíduos (crus, padronizados, studentizados);
-  - 23/04
+    * DFfits, DFbetas e distância de Cook;
-  - 28/04
+  - 07/04:
-  - 30/04
+    * Análise dos resíduos e medidas de influência;
-  - 05/05
+    * Prática de regressão linear múltipla com o R;
-  - 07/05
+    * Estudo sobre o preço de relógios antigos;
-  - 12/05
+    * Estudo sobre o salário de trabalhadores sociais.
-  - 14/05
+  - 09/04:
-  - 19/05
+    * Medidas de colinearidade;
-  - 21/05
+    * Fator de inflação da variância.
-  - 26/05
+  - 14/04:
-  - 28/05
+    * Polinômios ortogonais;
-  - 02/06
+    * Centralização das variáveis;
-  - 04/06
+    * Prática de regressão linear múltipla com o R;
-  - 09/06
+    * Estudo sobre nível de ddt em peixes;
-  - 11/06
+    * Estudo sobre o gasto em consumo de alimentos por família.
-  - 16/06
+  - 16/04:
-  - 18/06
+    * Seleção de variáveis;
-  - 23/06
+    * Seleção forward, backwad e stepwise baseados em critérios de informação (AIC e BIC);
-  - 25/06
+  - 23/04:
+    * Prática de regressão linear múltipla com o R;
+    * Estudo sobre a qualidade de vinhos;
+    * Estudo sobre o salario de executivos.
+  - 28/04:
+    * Variáveis categóricas no modelo de regressão;
+    * Estudo das interações.
+  - 07/05:
+    * Introdução aos modelos de regressão não linear;
+    * Aspectos motivacionais práticos e diferenças para o modelo linear;
+    * Especificação, ajuste, diagnóstico e interpretação.
+  - 12/05:
+    * Regiões de confiança em modelos de regressão;
+    * Relações entre a região de confiança e a matriz de covariância dos parâmetros;
+    * Tipos de testes: razão de verossimilhanças e Wald;
+    * Tipos de intervalo de confiança: baseados na verossilhança e de Wald.
+  - 14/05:
+    * Teste de hipótese;
+    * Bandas de confiança;
+    * Medidas de diagnóstico.
+  - 19/05:
+    * Ajuste de modelos não lineares com variáveis independentes categórias.
+  - 21/05:
+    * Comparação de modelos não lineares;
+    * Parametrizações.
+  - 02/06:
+    * Apresentação de seminários.
+  - 04/06:
+    * Apresentação de seminários.
+*/
 ==== Links úteis ====
+=== Cursos, dados e scripts sobre Regressão Linear ===
   * {{http://www.ats.ucla.edu/stat/sas/examples/chp/|Regression Analysis by Example, by Chatterjee, Hadi and Price}}: scripts;
   * {{http://www.ats.ucla.edu/stat/sas/examples/chp/chpsas_dl.htm|Regression Analysis by Example, by Chatterjee, Hadi and Price}}: dados em txt;
@@ Linha 99: / Linha 136: @@
   * {{http://www.stat.ufl.edu/~winner/Regression_Examples.html|Regression Examples}}: dados e scripts de análises em R e $A$;
+=== Cartões de referência ===
   * {{http://www2.kenyon.edu/Depts/Math/hartlaub/Math305%20Fall2011/R.htm|Resumo de comandos R e pacotes para regressão}};
   * {{http://cran.r-project.org/doc/contrib/Ricci-refcard-regression.pdf|Cartão de referência para regressão}};
+=== Medidas de diagnóstico ===
   * {{http://www.stats.ox.ac.uk/~burke/Linear%20Models/Linear%20Models%20Notes.pdf|Slides de curso completo de Regressão Linear}};
   * {{http://statweb.stanford.edu/~jtaylo/courses/stats203/notes/diagnostics.pdf|Slides de medidas de diagnóstico}};
@@ Linha 107: / Linha 146: @@
   * {{http://courses.washington.edu/b515/l7.pdf|Exemplos de diagnóstico}};
   * {{http://statweb.stanford.edu/~jtaylo/courses/stats203/notes/diagnostics.pdf|Resumo de medidas de diagnóstico (com exemplos)}}
+=== Regressão com variáveis categóricas ===
+  * {{http://www.sagepub.com/upm-data/21120_Chapter_7.pdf|Dummy-Variable Regression}};
+  * {{http://gauss.stat.su.se/gu/e/slides/F6-Dummy-Variable.pdf|Dummy variable regression models}};
+  * {{http://socserv.socsci.mcmaster.ca/jfox/Courses/SPIDA/dummy-regression-notes.pdf|Dummy-Variable Regression}};
+  * {{https://www.princeton.edu/~slynch/soc504/expanding_ols.pdf|Expanding the Model Capabilities: Dummy Variables, Interactions, and Nonlinear Transformations}}.
 ==== Avaliações ====
@@ Linha 195: / Linha 240: @@
 <latex>
 t_i = \dfrac{e_i}{s(e_i)} = \dfrac{e_i}{\hat{\sigma}_{-i}\sqrt{1-h_{i}}}\\
-\hat{\sigma}_{-i}^2 = \dfrac{(n-p)\hat{\sigma}^2-\frac{e_i}{1-h_{i}}}{(n-1)-p}
+\hat{\sigma}_{-i}^2 = \dfrac{(n-p)\hat{\sigma}^2-\frac{e_i^2}{1-h_{i}}}{(n-1)-p}
 </latex>
@@ Linha 206: / Linha 251: @@
   * DFfits
 <latex>
-dffits_i = \dfrac{\hat{y}_i-\hat{y}_{i(-i))}}{\hat{\sigma}_{-i}\sqrt{1-h_i}} = \left( \dfrac{p\cdot D_i \cdot\hat{\sigma}^2}{\hat{\sigma}^2_{-i}} \right )^{1/2}
+dffits_i = \dfrac{\hat{y}_i-\hat{y}_{i(-i))}}{\hat{\sigma}_{-i}\sqrt{h_i}} = t_i\left( \dfrac{h_i}{1-h_i} \right )^{1/2}
 </latex>
@@ Linha 215: / Linha 260: @@
 </latex>
-<code R>
+=== Trabalho 4 ===
-##-----------------------------------------------------------------------------
-## Definições da sessão.
-require(lattice)
+  * Análise de dados por meio de regressão com presença de variáveis independentes categóricas;
-require(latticeExtra)
+  * Os dados e contexto são exercício do capítulo 6 do *Applied Linear Regression* 3.ed do Weisberg;
-require(car)
+  * Fazer a análise dos dados fornecendo o contexto e objetivos do mesmo, declarar o modelo, correr análise dos resíduos, interpretar os resultados, fazer a predição com bandas de confiança;
+  * Entregar *.zip o pdf, Rnw e arquivos acessórios;
-## RSiteSearch("VIF regression")
+  * Prazo de entrega: 12/05/2014 até às 23h59;
-## require(faraway) ## tem a função vif()
-## require(fmsb)    ## tem a função VIF()
-## Função vif da página da Professora Dra Sueli Giolo.
-source("http://people.ufpr.br/~giolo/CE071/Exemplos/vif.R")
-## Several packages in R provide functions to calculate VIF: vif in
-## package HH, vif in package car, VIF in package fmsb, vif in package
-## faraway, and vif in package VIF. The number of packages that provide
-## VIF functions is surprising given that they all seem to accomplish
-## the same thing.
-##
-## http://beckmw.wordpress.com/2013/02/05/collinearity-and-stepwise-vif-selection
-## http://courses.ttu.edu/isqs5349-westfall/images/5349/multicollinearity_99.htm
-## Considere o conjunto de dados turtles.txt em
-## http://westfall.ba.ttu.edu/isqs5349/Rdata/turtles.txtx
+<code R>
 ##-----------------------------------------------------------------------------
+str(twins)     ## 6.4.  Eduardo.
-prelink <- "http://www.leg.ufpr.br/~walmes/data/business_economics_dataset"
+str(BGSall)    ## 6.6.  Michele.
+str(cathedral) ## 6.10. Paula.
-da <- read.table(paste(prelink, "/EXAMPLES/FTC.DAT", sep=""),
+str(salary)    ## 6.13. Cintia.
-                 header=FALSE)
+str(mile)      ## 6.18. Gustavo.
-str(da)
-names(da) <- c("tar", "nicotine", "weight", "co")
-str(da)
-## tar: conteúdo de alcatrão;
-## nicotine: conteúdo de nicotina;
-## weight: peso;
-## co: monoxido de carbono;
-## Os valores no data.frame são dos valores de alcatrão, nicotina e
-## monoxido de carbono (mg) e peso (g) para uma amostra de 25 marcas de
-## filtros testados. Deseja-se modelar o monoxido de carbono como função
-## das demais variáveis.
-m0 <- lm(co~tar+nicotine+weight, data=da)
-summary(m0)
-par(mfrow=c(2,2))
-plot(m0)
-layout(1)
 ##-----------------------------------------------------------------------------
 </code>

Diferenças

Navegação

Busca

Ferramentas

QR Code