DETALHES
Disciplina de natureza Teórico-prática de nível Mestrado, com carga horária de 90 horas e 3 créditos.
- Número de vagas:
- 30
- Período:
- 01/08/2019 a 03/10/2019
- Pré-requisitos:
- Estatística I
- Área(s) de Concentração: Métodos Quantitativos em Epidemiologia , Epidemiologia Geral , Epidemiologia das Doenças Transmissíveis
HORÁRIO
Dia | Início | Fim |
---|---|---|
Terça-feira | 08:30 | 12:00 |
Quinta-feira | 08:30 | 12:00 |
PROFESSORES
Nome |
---|
Cosme Marcelo Furtado Passos da Silva |
EMENTA
Serão abordados os tópicos correlação, modelos de regressão linear simples e múltipla e modelo de regressão logístico, com o objetivo de capacitar o aluno de pós-graduação para a utilização de 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 a aluno apresente um trabalho utilizando as técnicas de análise apresentadas no curso, preferencialmente voltados para análise dos dados de seu projeto de dissertação ou tese.Categoria: Obrigatória para as áreas de concentração Epidemiologia das Doenças Transmissíveis, Epidemiologia Geral e Métodos Quantitativos em Epidemiologia
Pré-requisito(s): Conhecimentos em Estatística Aplicada à Epidemiologia
Candidatos externos: Serão aceitos alunos dos programas stricto sensu da ENSP; alunos de outros programas stricto sensu da FIOCRUZ.
Observação: Não haverá aula nos dias 20/08, 22/08, 10/09 e 12/09
BIBLIOGRAFIA
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.