MODELOS LINEARES GENERALIZADOS STA13829

class: center, middle, inverse, title-slide

.title[
# MODELOS LINEARES GENERALIZADOS STA13829
]
.subtitle[
## Plano de Ensino
]
.author[
### Nátaly A. Jiménez Monroy
]
.institute[
### LECON/DEST - UFES
]
.date[
### Vitória. ES
]

---

[//]: <> (https://pkg.garrickadenbuie.com/extra-awesome-xaringan/intro/index.html#1)
[//]: <> (https://pkg.garrickadenbuie.com/xaringanthemer/articles/xaringanthemer.html)
[//]: <> (https://www.biostatistics.dk/talks/CopenhagenRuseRs-2019/index.html#1)
[//]: <> (https://rstudio-education.github.io/sharing-short-notice/#1)
[//]: <> (https://www.kirenz.com/slides/xaringan-demo-slides.html#1)
[//]: <> (https://github.com/yihui/xaringan/issues/26)
[//]: <> (https://github.com/emitanaka/anicon)
[//]: <> (https://github.com/mitchelloharawild/icons)
[//]: <> (https://slides.yihui.org/2020-genentech-rmarkdown.html#1)
[//]: <> (https://github.com/gadenbuie/xaringanExtra)
[//]: <> (class: center, middle, animated, slideInRight)

class: animated, slideInRight

# Plano de Ensino

* **Horário:** Seg - Qua / 07:00h - 09:00h
  
  * **Ementa:** Definição - ligações canônicas - função desvio - métodos de estimação - testes de hipóteses - técnicas de diagnóstico – Aplicações - Modelos para dados binários - Modelos para dados de contagem - Modelos de dose-resposta - Modelos para tabelas de contingência - Aplicações.
  
  * **Objetivos:** 
  
   - Apresentar conceitos introdutórios de modelos lineares generalizados em um enfoque computacional;

- Estudar a metodologia de modelos lineares generalizados, métodos de estimação, discutir a construção dos testes de hipóteses e técnicas de diagnóstico;

- Aplicar as metodologias apresentadas por meio do uso de programas computacionais estatísticos.

* **Pré-requisitos:** STA13824 ANÁLISE DE REGRESSÃO
---
[//]: <> (class: center, middle, animated, slideInRight/ class: animated slideInRight fadeOutLeft)
class: animated, fadeIn

# Programa

-   INTRODUÇÃO

-   Família Exponencial

-   MODELO LINEAR GENERALIZADO

-   Conceito;
    -   Função de ligação;
    -   Função desvio;
    -   Função escore;
    -   Matriz de Informação;
    -   Estimação;
    -   Testes de hipóteses: Escore, Wald, Razão de verossimilhanças.

-   MODELO LINEAR NORMAL

---

# Programa

-   TÉCNICAS DE DIAGNÓSTICO E QUALIDADE DO AJUSTE

-   Tipos de resíduo;
    -   Pontos de alavanca;
    -   Pontos influentes;
    -   Pontos aberrantes;
    -   Envelope.

-   MODELOS PARA DADOS BINÁRIOS

-   Modelos logísticos;
    -   Modelos de dose-resposta;
    -   Modelos de retas paralelas.

-   MODELOS PARA DADOS DE CONTAGEM

-   Modelos de Poisson;
    -   Modelos com resposta binomial negativa;
    -   Sobredispersão;
    -   Introdução à modelagem para tabelas de contingência.

-   MODELOS ADICIONAIS

-   Modelos para dados assimétricos;
    -   Introdução a modelos de quase-verossimilhança.

---
class: animated, slideInRight

# Bibliografia Básica

* PAULA, Gilberto A. Modelos de regressão com apoio computacional. São Paulo: IME/USP, 2013. Disponível gratuitamente em: https://www.ime.usp.br/\~giapaula/texto_2025.pdf

* MCCULLAGH, Peter; NELDER, John A. Generalized linear models. 2nd ed. Boca Raton: Chapman & Hall, 1989. 511 p.

* DOBSON, Annette J. An introduction to generalized linear models. 2nd ed. Boca Raton, Fla.: Chapman & Hall/CRC, 2002.

**Observação:** Consultar a bibliografía complementar no Plano de Ensino.

---
class: animated, slideInRight

# Avaliação

- A avaliação consistirá de três provas escritas. A nota final será a **média aritmética** das três provas.

* Alunos que não obtiverem nota final igual ou superior a `\(7,0\)` (sete) ao final do período letivo ficarão de prova final.

> Independente da nota, o aluno que não tiver frequência igual ou superior a `\(75\%\)` será <ins>**reprovado por faltas**</ins>.

* Textos complementares serão indicados e disponibilizados no ambiente virtual com o objetivo de ajudar a assimilar os conceitos abordados.

---
class: animated, slideInRight

# Datas importantes

-  **Inicio das aulas:** Segunda-feira 22/09/2025

>  **Prova 1:** Quarta-feira 29/10/25

>  **Prova 2:** Quarta-feira 03/12/25

>  **Prova 3:** Quarta-feira 11/02/26

-  **Fim das aulas:** Quarta-feira 11/02/26

-  **Prova final:** Quarta-feira 25/02/26.

---

class: animated, hide-logo, bounceInDown
## Política de proteção aos direitos autorais

> O conteúdo disponível consiste em material protegido pela legislação brasileira, sendo certo que, por ser
o detentor dos direitos sobre o conteúdo disponível na plataforma, o **LECON** e o **NEAEST** detém direito
exclusivo de usar, fruir e dispor de sua obra, conforme Artigo 5o, inciso XXVII, da Constituição Federal
e os Artigos 7o e 28o, da Lei 9.610/98.
A divulgação e/ou veiculação do conteúdo em sites diferentes à plataforma e sem a devida autorização do
**LECON** e o **NEAEST**, pode configurar violação de direito autoral, nos termos da Lei 9.610/98, inclusive podendo
caracterizar conduta criminosa, conforme Artigo 184o, §1o a 3o, do Código Penal.
É considerada como contrafação a reprodução não autorizada, integral ou parcial, de todo e qualquer
conteúdo disponível na plataforma.

.pull-left[
<img src="images/logo_lecon.png" width="50%" style="display: block; margin: auto;" />
]
.pull-right[
<img src="images/logo_neaest.png" width="50%" style="display: block; margin: auto;" />
]
 
.center[
[https://lecon.ufes.br](https://lecon.ufes.br/) &emsp; 
]

Material elaborado pela equipe LECON/NEAEST: 
Alessandro J. Q. Sarnaglia, Bartolomeu Zamprogno, Fabio A. Fajardo, Luciana G. de Godoi 
e Nátaly A. Jiménez.