Disciplina Curricular
Modelos Estatísticos MEsta
Curso de Especialização em Data Science - 1_PGDSc 2017/18
Peso
6.0 (para cálculo da média)
Objectivos
Pretende-se habilitar os alunos a saber usar os vários modelos de regressão para analisar dados de natureza variada. O aluno deve ser capaz de utilizar software adequado (em particular o R) para modelar e interpretar correctamente os resultados obtidos. Pretende-se também complementar conhecimentos obtidos noutras disciplinas.
Programa
Módulo 1 – Modelos de Regressão Linear - Revisão de conhecimentos sobre modelo de regressão linear; análise de variância como caso especial do modelo de regressão linear; métodos de selecção de variáveis e de diagnóstico do modelo. Módulo 2 – Modelos Lineares Generalizados (MLG) - Definição de um MLG; modelos para respostas contínuas; modelos para respostas binárias, modelos para respostas ordinais e modelos para contagens; sobredispersão; inferência nos MLG, selecção de variáveis e métodos de diagnóstico; aplicações. Módulo 3 – Extensões dos Modelos Lineares Generalizados - Necessidade da extensão dos MLG para contemplar heterogeneidade, dependência, medições repetidas; não linearidade. Modelos de efeitos aleatórios – inferência e predição; Medições repetidas e modelos de dados longitudinais; respostas múltiplas; Modelos de efeitos mistos para dados não normais; modelos lineares generalizados mistos.
Métodos de ensino e avaliação
São apresentados conceitos fundamentais de modelação, selecção de modelos e sua adequabilidade de um modo geral; do ponto de vista prático dá-se relevo à escolha adequada do modelo e à sua interpretação. A metodologia de ensino baseia-se na exposição e explicação do tema da aula seguido de aplicação prática usando, de preferência, o programa R. Na discussão dos vários temas são utilizados dados reais. A avaliação é feita por medio de um trabalho e de um exame final.