PROFESSORES

EMENTA

Serão abordados os conceitos de correlação, modelos de regressão linear simples e múltipla e modelos de regressão logística simples e múltipla, com o objetivo de capacitar o aluno de pós-graduação para a utilização desses modelos aplicados na área de Epidemiologia em 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, comparação entre modelos e modelos logísticos condicionais. O curso será ministrado por meio de aulas teóricas e aulas 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.

Categoria: Obrigatória para o curso de Mestrado, Obrigatória para o curso de doutorado, Obrigatória para a área de concentração

Pré-requisito: Ter cursado e obtido aprovação na disciplina "Estatística Aplicada à Epidemiologia I".

Informações sobre as aulas:> Serão em formato remoto, pelo aplicativo Zoom, Moodle.

Candidatos externos: Não serão aceitos.

Vagas: Mínimo de 05 máximo de 30 vagas.

A disciplina ofertará 03 vagas para Estágio em Docência e o pré-requisito é ser aluno de doutorado, Ter cursado a disciplina e obtido aprovação.

BIBLIOGRAFIA

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

Diez,D.; Çetinkaya-Rundel,M.; Barr,C.D. OpenIntro Statistics.

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

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.

Jewell,N.P. Statistics for Epidemiology.

? 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. ? Vu,J.; Harrington,D. Introductory Statistics for the Life and Biomedical Sciences. "