Modelos Lineares Generalizados
Áreas Científicas |
Classificação |
Área Científica |
CNAEF |
Matemática e estatística |
Ocorrência: 2021/2022 - 1S (edição n.º 1) ![Requerida a integração com o Moodle Ícone do Moodle](/fcup/pt/imagens/MoodleIcon)
Ciclos de Estudo/Cursos
Língua de trabalho
Português e inglês
Objetivos
- Identificação correta de cenários de regressão e do modelo correspondente
- Realização independente da análise estatística e implementação adequada em R
- Interpretação correta dos resultados obtidos, quer com efeitos aditivos quer com efeitos de interação
- Avaliação da qualidade do ajustamento do modelo
- Análise crítica dos resultados
Resultados de aprendizagem e competências
No final da unidade de formação, é esperado que os estudantes:
- Reconheçam cenários de regressão e saibam escolher o modelo adequado
- Saibam conduzir corretamente uma análise de dados que envolva modelos de regressão, com recurso ao R
- Interpretem corretamente os resultados obtidos, quer com efeitos aditivos quer com efeitos de interação ao nível das variáveis explicativas
- Analisem criticamente a qualidade do ajustamento do modelo usado
- Desenvolvam o seu espírito crítico na interpretação dos resultados obtidos por modelação estatística, quer em trabalhos do próprio, quer em trabalhos de outrem.
A unidade de formação em causa surge na sequência direta da unidade Estatística Aplicada, generalizando o modelo de regressão linear multivariado a variáveis resposta de índole mais geral. Visa portanto complementar a formação dos estudantes em modelação estatística de dados por regressão.
Modo de trabalho
Presencial
Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)
Conhecimentos do modelo de regressão linear normal.
Programa
- Família exponencial de distribuições. Estrutura geral dos modelos lineares generalizados.
- Regressão Logística
- Regressão de Poisson. Regressão Binomial Negativa.
Nos pontos 2. e 3. serão abordados os seguintes tópicos: função de ligação, estrutura específica do modelo, métodos de estimação, inclusão de variáveis explicativas categóricas, interpretação dos coeficientes de regressão, termos de interação, avaliação da qualidade do ajustamento do modelo, satisfação das condições de aplicação, análise de resíduos, ajustamento de modelos em R.
Bibliografia Obrigatória
Rita Gaio; Apontamentos escritos pela professora
Bibliografia Complementar
Faraway, J.; Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models, Chapman & Hall/CRC Texts in Statistical Science. ISBN: 158488424X
Ludwig Fahrmeir;
Multivariate statistical modelling based on generalized linear models. ISBN: 0-387-95187-3
Lindsey, J.K. ; Applying generalized linear models, Springer. ISBN: 0-387-98218-3
Métodos de ensino e atividades de aprendizagem
As aulas são do tipo teorico-prático. Incluem exposição teórica interativa, fomentando a participação dos estudantes, e uma componente prática de implementação dos modelos estudados num software de análise estatística, com consequente interpretação e discussão dos resultados obtidos. Serão usados livros e artigos científicos como forma de orientar os estudantes para a compreensão dos assuntos. Os exemplos apresentados e exercícios propostos partirão de dados reais, sempre que possível. O software usado será a linguagem de programação em ambiente de software R, com licença gratuita.
As metodologias de ensino serão ajustadas de modo a permitir que os estudantes integrem os objetivos da unidade curricular
Software
R
Tipo de avaliação
Avaliação distribuída com exame final
Componentes de Avaliação
Designação |
Peso (%) |
Exame |
40,00 |
Trabalho escrito |
60,00 |
Total: |
100,00 |
Componentes de Ocupação
Designação |
Tempo (Horas) |
Estudo autónomo |
53,00 |
Frequência das aulas |
21,00 |
Trabalho escrito |
7,00 |
Total: |
81,00 |
Obtenção de frequência
Obtenção de pelo menos 30% no trabalho escrito.
Fórmula de cálculo da classificação final
Nota final = 0.4*(nota do exame) + 0.6*(nota do trabalho).
Para ser aprovado, o estudante tem de obter uma classificação superior a 30% em cada uma das componentes (testes e trabalho) e obter uma classificação final igual ou superior a 9.5 valores (em 20)
Melhoria de classificação
O trabalho não pode ser melhorado.
Observações
1) O modo de funcionamento da unidade curricular está condicionado às limitações impostas pela FCUP de acordo com a evolução da pandemia COVID19.
2) O método de avaliação poderá vir a ser alterado, em função da evolução da pandemia COVID-19.