Esta é a segunda disciplina de modelos de regressão no Bacharelado em Estatística. Inicialmente procura-se complementar com tópicos que não foram ensinados na disciplina de modelos de regressão I, tais como regressão por partes, métodos robustos, modelos de regressão não linear e modelos lineares com erros auto regressivos. Em seguida, são introduzidos os modelos lineares generalizados que basicamente estendem os modelos lineares gaussianos para a família exponencial. Aí tem-se uma variedade de modelos com grande potencial de aplicação, tais como modelos com respostas gama e inversa gaussiana, modelos com resposta binária, modelos de contagem dentre outros. Procedimentos de estimação, inferência, seleção de modelos e diagnóstico são apresentados. Modelos duplos em que modela-se conjuntamente os parâmetros de localização e dispersão são também discutidos bem como os modelos parciais lineares em que o componente sistemático é formado por um termo linear mais um termo aditivo. Geralmente o componente linear é reservado para as variáveis explicativas para as quais há interesse em quantificar a relação com a resposta, enquanto o componente não linear é reservado para variáveis explicativas contínuas de controle. Extensões para a classe GAMLSS são apresentadas e o programa da disciplina é concluído com metodologias para a análise de dados correlacionados, tais como medidas repetidas e dados longitudinais. Vários exemplos com dados reais são apresentados ao longo do curso com suporte computacional pela plataforma R.
- Docente: Gilberto Alvarenga Paula