Análise de Regressão
Bacharelado em Estatística - UFMT
Período letivo: 2025/1
Avisos:
- Última atualização do site às 14:18 do dia 16/06/2025.
- Monitor: Heliton (quarta-feira das 18 às 19h)
Ementa:
Análise de correlação. Regressão linear simples e múltipla. Regressão com variáveis qualitativas. Técnicas de diagnóstico em regressão. Seleção de variáveis e construção de modelos. Validação de modelos. Transformação de variáveis.
Notas de aula:
Aulas 1 e 2: Apresentação da disciplina com ementa e avaliações. Introdução ao estudo de regressão a partir do artigo seminal de Francis Galton (1886): Regression towards mediocrity in hereditary stature, no qual se analisa a relação entre as estaturas de filhos e filhas em função das estaturas de pais e mães, destacando-se a tendência de regressão à média (aproximadamente 2/3). Exploração da obtenção de modelos por meio de equações diferenciais. Estudo do modelo de crescimento e decaimento exponencial. Introdução ao modelo de regressão linear simples, exemplificado pela relação entre tempo e distância de deslocamento. Ampliação para o modelo de regressão linear múltipla, incluindo variáveis indicadoras e efeitos de interação (por exemplo, a interação entre distância de deslocamento e o horário em que ocorre). Aplicações adicionais incluem a modelagem de relações entre variáveis em instrumentos psicométricos (escores) e a utilização de modelos de dose-resposta, com destaque para o modelo logístico.
Aula 3:
Aula 4:
Avaliações:
- \(A_1\): escrita, computacional e arguição oral. Nota: 0 a 10.
Conteúdo: análise de correlação, regressão linear simples e múltipla.
- \(A_2\): escrita, computacional e arguição oral. Nota: 0 a 10.
Conteúdo: todo o conteúdo da disciplina.
\(A_{31}\): relatório parcial de análise de dados. Nota: 0 a 5.
\(A_{32}\): relatório final de análise de dados. Nota: 0 a 5.
A média final (\(MF\)) será calculada por:
\[MP = 0,4 A_1 + 0,4 A_2 + 0,2(A_{31} + A_{32}).\]
Se \(MF \geq 5\), o aluno será aprovado. Não haverá prova final.
Livro texto:
Montgomery, D. C., Peck, E. A., & Vining, G. G. (2021). Introduction to linear regression analysis (6th ed.). Wiley.
Referências:
Devore, J. L., Berk, K. N., & Carlton, M. A. (2021). Modern mathematical statistics with applications (3rd ed.). Springer.
Seber, G. A. F., & Lee, A. J. (2012). Linear Regression Analysis (2nd ed.). Wiley.
Draper, N. R., & Smith, H. (1998). Applied regression analysis (3rd ed.). Wiley.
Rao, C. R., Toutenburg, H., Shalabh, & Heumann, C. (2008). Linear Models and Generalizations: Least Squares and Alternatives (3rd ed.). Springer.
Allen, M. P. (1997). Understanding Regression Analysis. Sage Publications.
Kutner, M. H., Nachtsheim, C. J., Neter, J., & Li, W. (2005). Applied linear statistical models (5th ed.). McGraw-Hill.
Rencher, A. C., & Schaalje, G. B. (2008). Linear models in statistics (2nd ed.). Wiley.
Faraway, J. J. (2015). Linear Models with R. CRC Press.