Nível:
Graduação
Nome da disciplina:
Análise de Regressão II
Número de Créditos:
5
Oferecimento:
A Critério da Unidade
Pré-requisito:
AA200
Ementa:
Regressão linear simples e múltipla. Diagnóstico e análise de resíduos. Mínimos quadrados ponderados. Transformações de variáveis. Técnicas de seleção de variáveis. Critérios alternativos a mínimos quadrados.
Conteúdo / Programa:
1. Motivação
1.1 Exemplos motivadores e discussão sobre algumas idéias de modelagem.
2. Revisão de Álgebra de Matrizes
2.1 Definições e propriedades básicas.
3. Distribuição normal multivariada
3.1 Apresentação.
3.2 Propriedades: distribuições marginais, condicionais e função característica.
4. Introdução aos modelos de regressão lineares
4.1 Modelo de regressão linear simples (MRLS).
4.2 Estimação dos parâmetros por mínimos quadrados ordinários e propriedades dos estimadores (MRLS).
4.3 Modelo de regressão linear múltiplo (MRLM).
4.4 Estimação dos parâmetros por mínimos quadrados ordinários e propriedades dos estimadores (MRLM).
4.5 Forma matricial do MRLM.
4.6 Estimação por mínimos quadrados ordinários.
4.7 Estimação por mínimos quadrados generalizados.
4.8 Aplicações.
5. Distribuições de probabilidade não centrais
5.1 Distribuição t de Student não central.
5.2 Distribuição Qui-quadrado não central.
5.3 Distribuição F de Snedcor não central.
6. Intervalos de Confiança e Testes de Hipótese
6.1 Distribuição de formas quadráticas Gaussianas.
6.2 Intervalos de confiança e testes de hipótese (MRLS).
6.3 Aplicações.
7. Mecanismo de validação/comparação de modelos
7.1 Análise residual.
7.2. Comparação se seleção de modelos.
7.3 Aplicações.
8. Transformações de variáveis e métodos de estimação alternativos
8.1 Transformações nas variáveis explicativas.
8.2. Transformações na variável resposta.
8.3 Alguns modelos não gaussianos.
8.4 Estimação por máxima verossimilhança.
8.5 Aplicações.
9. Introdução aos modelos de regressão lineares normais com erros nas variáveis
9.1 Definição.
9.2 Estimação.
9.3 Intervalos de Confiança e Testes de hipótese.
9.4 Aplicações.
Forma de Avaliação:
Por nota e frequência
Referência Bibliográfica:
Draper, N. R. and Smith, H. (1998). Applied regression analysis, third edition. New York, NY: John Wiley & Sons.
Fox, J. (2008). Applied regression analysis and generalized linear models, second edition. Los Angeles, CA.
Rawlings, J. O, Pantula, J. O. and Dickey, D. A. (1998). Applied regression analysis: a research tool, second edition, New York, NY: Springer.
Magnus, J. R. and Neudecker, H. (1998). Matrix differential calculus with applications in Statistics and econometrics, first edition, Chichester, John Wiley.