Dar ao aluno de Mestrado e Doutorado em Estatística uma formação atualizada na área de Modelagem Estatística de Regressão. A disciplina tem como ponto de partida a apresentação em forma compacta da classe dos Modelos Lineares Generalizados (MLGs). Nas primeiras aulas as principais propriedades da família exponencial uniparamétrica são apresentadas bem como a definição da classe dos MLGs. Os resultados mais importantes relacionados à estimação, inferência e procedimentos de diagnóstico são apresentados. Modelos particulares envolvendo a modelagem do parâmetro de localização das principais distribuições da família exponencial, tais como normal, Poisson, binomial, gama, Pascal e Gaussiana inversa são apresentados. Em seguida são discutidos alguns modelos envolvendo distribuições de grande potencial de aplicação que são extensões das principais distribuições da família exponencial, tais como a distribuição binomial negativa e distribuições com excesso de zeros. Modelagem dupla em que o parâmetro de localização e dispersão são modelados simultaneamente são discutidos em seguida bem como modelos aditivos generalizados que envolvem procedimentos não paramétricos na família exponencial. Na última etapa da disciplina são discutidos procedimentos para a análise de dados correlacionados não Gaussianos, tais como Equações de Estimação Generalizadas (EEGs) e modelos lineares generalizados mistos. Várias bibliotecas do R são utilizadas na disciplina bem como uma grande variedade de exemplos são apresentados.
- Docente: Gilberto Alvarenga Paula