Introdução a modelagem de regressão linear no R

Data: 10 de agosto de 2019

Horário: das 13 as 18 horas (horário de Brasília)

Ministrante: Dr. Écio Souza Diniz

O CURSO É ONLINE UTILIZANDO O WEBEX (GRATUITO PARA OS PARTICIPANTES) QUE ESTA NA LISTA DOS CINCO MELHORES SOFTWARES PARA CURSOS E REUNIÕES ONLINE. O webex é um software muito interativo deixando o curso online com as mesmas características do curso presencial. 

Valor R$60,00

Fazer depósito ou transferência para seguinte conta:

Banco do Brasil

Tássia Boeno Oliveira

Agência: 0162-7

Conta corrente: 39777-6

PARA REALIZAR A INSCRIÇÃO CLIQUE NO LINK ABAIXO:

https://forms.gle/mk3KFCLWmHEK7zAf7

Todos os participantes receberão uma apostila para acompanhamento do curso contendo todos os códios que serão utilizados.

Ementa do curso

O curso de modelagem de regressão no R objetiva fornecer àqueles que utilizam e dependem frequente e abundantemente deste tipo de análise para verificar relações causais entre variáveis (dependentes e independentes). Assim, este curso pretende fornecer abordagens básicas dos modelos de regressão mais amplamente utilizados no cotidiano. Serão abordados modelos que atendem distintas distribuições de erros para variáveis dependentes e modelos para controle de efeitos mistos (fixos e aleatórios) e de pseudoreplicações. Assim, nesse primeiro módulo serão abordados desde
modelos básicos de regressão como o LM (Linear model) até modelos que generalização distribuições de erros (GLM e GLMM). Também serão mostrados pré-testes de correlação (ex: Pearson, VIF) como forma de evitar alta colinearidade e multicolinearidade entre variáveis preditivas a serem incluídas num modelo e testes de linearidade entre variável resposta e preditivas. Aditivamente será mostrada abordagem de seleção de modelos (Akaike) e testes a posteriori (Ex: Tukey HSD) para modelos de regressão.

Sumario de conteúdo

  1. Correlação Linear (Pearson, Spearman, Variance inflation)
  2. Testes de linearidade
  3. LM (Modelos Lineares)
  4. GLM (Modelos Lineares Generalizados)
  5. GLMM (Modelos Lineares Mistos Generalizados)
  6. Testes a posteriori de Anova para modelos de regressão

 

Requisitos desejáveis:

-Computador pessoal do participante devidamente ajustado com relação as configurações de áudio e funcionamento da internet.

-Conhecimento básico dos princípios de regressões simples e múltiplas, assim
como conhecimento básico de análise de variância (Anova) e testes de média
contra zero (ex: Teste T e Wilcoxon);
-Domínio básico do R nos seguintes tópicos: entrada e carregamento de dados
no R; instalação e carregamento de pacotes; conhecimento de executar comandos no R, especialmente em análises de estatística básica como Anova, Teste T, Regressão linear comum (LM, Linear Model);
-o R já deve estar Instalado nos computadores dos matriculados.
Importante: Esse já é um curso mais aplicado de estatística no R, então noções
básicas do uso do software não adentram o presente escopo