Disciplina Discipline MAE5896
Modelos Mistos e suas Aplicações

Área de Concentração: 45133

Concentration area: 45133

Criação: 18/06/2019

Creation: 18/06/2019

Ativação: 18/06/2019

Activation: 18/06/2019

Nr. de Créditos: 8

Credits: 8

Carga Horária:

Workload:

Teórica

(por semana)

Theory

(weekly)

Prática

(por semana)

Practice

(weekly)

Estudos

(por semana)

Study

(weekly)

Duração Duration Total Total
4 2 4 12 semanas 12 weeks 120 horas 120 hours

Docente Responsável:

Professor:

Viviana Giampaoli

Objetivos:

Apresentar ao aluno de mestrado/doutorado em Estatística do IME-USP conceitos básicos e fundamentos para lhe fornecer subsídios para entender porque e como usar diversos modelos mistos. Aplicações de diferentes áreas do conhecimento são apresentadas durante o curso. Objetiva-se também capacitar o aluno para desenvolver os modelos no software R e interpretar os resultados de forma adequada.

Justificativa:

Os modelos mistos são bem abrangentes porque incluem uma variedade de modelos que permitem fazer modelagem estatística de estruturas de dados com certo grau de complexidade como dados agrupados ou com estrutura hierárquica e dados longitudinais nas quais a modelagem clássica usual não é mais apropriada. Este tipo de modelos vem sendo aplicados em diversas áreas como a biologia e a medicina entre outras. Durante o curso serão analisadas publicações recentes do assunto além da bibliografia básica que permitirão ao aluno uma ter uma visão atualizada na área. O foco será em modelos mistos lineares com resposta normal e não normal.

Conteúdo:

Introdução. Fixo ou Aleatório?; 2.1. Modelo Misto Normal; 2.2. Métodos de Estimação e Testes; 2.3. Métodos de Predição; 2.4. Aplicações; 3.1. Modelos Lineares Generalizados Mistos; 3.2. Modelo de Regressão Logística Misto; 3.3. Estimação e Testes; 3.4. Predição; 3.5. Modelos Marginais versus Modelos Condicionais; 3.6. Aplicações; 4.1. Modelos para Dados Longitudinais; 4.2. Aplicações; 5.1. Introdução aos Modelos Aditivos Generalizados para Locação, Escala e Forma; 5.2. Extensões; 5.3. Métodos de Diagnóstico e Seleção de Modelos.

Forma de Avaliação:

Média ponderada de provas teóricas e seminários em sala de aula e exercícios teóricos e práticos para casa.

Observação:

Bibliografia:

1 - Brown, H., Prescott, R. (2006). Applied Mixed Models in Medicine (Statistics in Practice). Second Edition, Wiley. 2 - Demidenko, E. (2013). Mixed Models: Theory and Applications with R. Second Edition, Wiley. 3 - Jiang, J. (2007). Linear and generalized linear mixed models and their applications. Springer. 4 - McCulloch, C. E., Searle, S. R. and Neuhaus, J. M. ( 2008). Generalized, Linear, and Mixed Models. Second Edition, Wiley. 5- Stroup, W.W (2012). Generalized Linear Mixed Models: Modern Concepts, Methods and Applications, Chapman & Hall/CRC Texts in Statistical Science. 6 - Verbeke, G. e Molenberghs, G. (2000). Linear Mixed Models for Longitudinal Data. Springer. 7 - West, B. T., Welch, K.B. e Gatecki, A. T. (2014). Linear Mixed Models: A Practical Guide Using Statistical Software. Second Edition, Chapman end Hall/CRC. 8- Stasinopoulos, M.D, Rigby, R.A. Heller, G.Z, Voudouris, V, De Bastiani, F. (2017) Regression and Smoothing: Using GAMLSS in R, Chapman & Hall/CRC The R Series, 1st Edition.