Esta é a segunda disciplina de modelagem estatística de regressão do Bacharelado em Estatística do IME-USP. Tem como pré-requisito a disciplina Análise de Regressão cuja principal ênfase são os modelos lineares e não lineares com erros Gaussianos. Inicialmente é apresentada uma revisão dos modelos não lineares Gaussianos no sentido paramétrico com procedimentos de estimação, inferência e reamostragem. Em seguida, são introduzidos os modelos lineares generalizados sendo discutidos procedimentos de estimação, inferência, seleção de modelos e métodos diagnóstico. Modelos com erros gama, Poisson, binomial e inversa Gaussiana são apresentados com extensões para modelos com resposta binomial negativa, com excesso de zeros e ampliados em zeros. Modelagem dupla, em que os parâmetros de localização e dispersão são modelados conjuntamente, são discutidos em seguida, bem como modelos parcialmente lineares generalizados. Quase verossimilhança e equações de estimação generalizadas são propostos para a análise de dados correlacionados (medidas repetidas e dados longitudinais) fazendo um paralelo com modelagem mista. Finalmente, é introduzida a classe GAMLSS com alguns modelos sendo discutidos, por exemplo, com resposta beta e t-Student, regressão quantílica, dentre outros. Procura-se enfatizar na disciplina as diferenças entre os aspectos preditivo e etiológico da regressão.
- Docente: Gilberto Alvarenga Paula