PROFESSORES

EMENTA

Serão abordados os tópicos correlação, modelos de regressão linear simples e múltipla e modelo de regressão logístico simples e múltiplo, com o objetivo de capacitar o aluno de pós-graduação para a utilização desses modelos aplicados na área de Saúde Pública. Serão enfatizados os seguintes tópicos dos modelos abordados: pressupostos, estimação, propriedades dos estimadores, interpretação dos coeficientes, análise de resíduos, transformações de variáveis, detecção de multicolinearidade, 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. Espera-se que ao final do curso o aluno seja capaz de empregar as técnicas apresentadas, preferencialmente voltado para análise dos dados de seu projeto de dissertação ou tese.
Serão disponibilizados vídeos com o conteúdo de cada aula para que o aluno possa, de forma assíncrona, estudar.
Na aula síncrona, os conteúdos já disponibilizados nos vídeos e material da disciplina serão discutidos com a turma para tirar as dúvidas e aprofundar as análises.
Essa estratégia será utilizada nas aulas teóricas e práticas.

Categoria: Obrigatória para os cursos de mestrado e doutorado - alunos do 2º semestre de curso.

Pré-requisito: Ter cursado a disciplina "Estatística Aplicada à Epidemiologia I".

Candidatos externos: Não serão aceitos.

Informações sobre as aulas: Serão em formato remoto, pelo aplicativo Zoom e pela plataforma Moodle.

BIBLIOGRAFIA

Bibliografia básica:

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

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

Charnet, R., et al (2008). Análise de Modelos de Regressão Linear: com aplicações. Campinas/SP, Editora da Unicamp.

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

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

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

Bibliografia Complementar:

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

Pagano M. & Gauvreau K (1993). Principles of biostatistics. Belmont, Calif., Duxbury Press.

Venables WN, Ripley, BD (2002). Moderns Applied Statistics with S. Fourth Edition. Springer

Venables WN, Smith DM, et al. (2002). An introduction to R: notes on R: a programming environment for data. Bristol, Network Theory.