Estatística II (DEESP.005.1)

DETALHES

Disciplina de natureza Teórica de nível Doutorado, com carga horária de 90 horas e 3 créditos.

Número de vagas:
15
Período:
19/08/2019 a 24/08/2019
Pré-requisitos:
Sem pré-requisito.
Área(s) de Concentração:
Sem área de concentração.

HORÁRIO

Dia Início Fim
Todos os dias 08:00 18:00

PROFESSORES

Nome
Cosme Marcelo Furtado Passos da Silva
Wagner de Souza Tassinari

EMENTA

Objetivo Geral: Capacitar o pós-graduando para a utilização de técnicas de modelagem estatística aplicadas na área da Saúde Pública. Programa: Serão abordados os seguintes tópicos: Correlação, modelos de regressão linear simples e múltipla e modelos de regressão logística simples e múltipla. Serão enfatizados os seguintes tópicos dos modelos abordados: pressupostos, estimação, propriedades dos estimadores, interpretação dos coeficientes, análise de resíduos, transformações de variáveis, detecção de multicolineariedade, medidas de influência, uso de variáveis indicadoras, conceito de interação e confundimento, técnicas de seleção de variáveis e comparação entre modelos. O curso será ministrado através de aulas teóricas e práticas no software R. A avaliação será feita com base em uma prova individual e um trabalho em grupo.

Categoria: Obrigatória para o curso de doutorado Epidemiologia, Equidade e Saúde Pública - Mato Grosso do Sul

Professoras colaboradoras: Ana Rita Castro Coimbra (Fiocruz/MS) e Zoraida Fernandez Grillo (Fiocruz/MS)

Pré-requisitos: Estatística I

BIBLIOGRAFIA

Charnet, R; Freire, CAL; Charnet, EMR; Bonvino, H (2008) Análise de modelos de regressão linear: com aplicações. Editora da Unicamp.

Dobson , AJ (2001). An introduction to generalized linear models. Chapman & Hall/CRC.

Draper, N; Smith, N (1981). Applied regression analysis. New York: John Wiley & Sons.

Fox, J (2002). An R and S-Plus Companion to Applied Regression. Sage Publications.

Hosmer DW, Lemeshow S (1989). Applied Logistic Regression. John Wiley e Sons.

Kleinbaum DG, Klein M (2002). Logistic Regression: A Self-Learning Text. Second Edition. Springer.

Kleinbaum, DG; Kupper L, et al. (1998). Applied regression analysis and other multivariable methods. Boston, Mass, PWS-Kent Publishing.

McCullagh P, Nelder JA (1989). Generalized linear models. Second Edition. Chapman and Hall.