|
|
| Linha 7: |
Linha 7: |
| | '''Departamento de Matemática Aplicada e Estatística''' | | '''Departamento de Matemática Aplicada e Estatística''' |
| | | | |
| − | '''Disciplina''': SME0823 Modelos de Regressão e Aprendizado Supervisionado II (2/2023). | + | '''Disciplina''': SME0823 Modelos de Regressão e Aprendizado Supervisionado II. |
| − | | |
| − | '''Professor''': Mário de Castro (mcastro[@]icmc.usp.br).
| |
| − | | |
| − | '''Sala''': 4-240.
| |
| − | | |
| − | '''Telefone''': (16) 3373 6631.
| |
| − | | |
| − | '''Aulas''': segundas-feiras, das 19:00h às 20:40h, e quartas-feiras, das 21:00h às 22:40h, na sala 5-101.
| |
| − | | |
| − | Não haverá aula dia '''16/8'''.
| |
| − | | |
| − | '''Horário de atendimento''': mediante agendamento.
| |
| − | | |
| − | == Monitoria ==
| |
| − | | |
| − | Monitor: Pedro Vinícius A. Silva.
| |
| − | | |
| − | Horários: terças-feiras e quintas-feiras das 17:00 às 18:30h.
| |
| − | | |
| − | Sala: 5-104.
| |
| | | | |
| | == Apresentação da disciplina == | | == Apresentação da disciplina == |
| | | | |
| | [https://uspdigital.usp.br/jupiterweb/obterDisciplina?sgldis=SME0823&codcur=55071&codhab=4 Disciplina no sistema Júpiter.] | | [https://uspdigital.usp.br/jupiterweb/obterDisciplina?sgldis=SME0823&codcur=55071&codhab=4 Disciplina no sistema Júpiter.] |
| − |
| |
| − | == Avaliação ==
| |
| − |
| |
| − | Uma prova com peso 0,4 e média de trabalhos com peso 0,6.
| |
| − |
| |
| − | Estão previstos três trabalhos em equipes de três componentes.
| |
| − |
| |
| − | '''Data da prova''': 13/12/2023.
| |
| − |
| |
| − | '''Prova de recuperação''': dia 1/3/2024 (sexta-feira) às 16:00h na sala 3-012.
| |
| − |
| |
| − | ''Não'' será aplicada prova substitutiva.
| |
| − |
| |
| − | == Trabalhos ==
| |
| − |
| |
| − | '''1'''. Problemas 4.5 e 4.9 do livro Myers, Montgomery and Vining (2002), ''Generalized Linear Models: With Applications in Engineering and the Sciences'', Wiley: New Work.
| |
| − |
| |
| − | Data de entrega (cópia impressa): 2/10/2023.
| |
| − |
| |
| − | '''2'''. Selecione um conjunto de dados de uma base de dados pública (Reddit, Kaggle, UCI Machine Learning, etc) relacionado a um problema de classificação.
| |
| − |
| |
| − | Proponha um modelo de classificação e avalie sua capacidade preditiva. Variáveis explicativas podem ser selecionadas utilizando critérios como GAIC e IV.
| |
| − |
| |
| − | O trabalho pode ser organizado em seções de introdução (descrição dos dados), resultados e discussão.
| |
| − |
| |
| − | Data de entrega (cópia impressa): 13/11/2023.
| |
| − |
| |
| − | '''3'''. O conjunto de dados no [http://static.lib.virginia.edu/statlab/materials/data/alb_homes.csv arquivo] se refere ao valor de uma casa (''totalvalue'') e diversas de suas características tais como ''finished square feet'', ''number of full bathrooms'' e ''lot size''. Os dados foram coletados em uma região do estado da Virgínia, EUA.
| |
| − |
| |
| − | Proponha um modelo de regressão que faça um bom ajuste a esses dados. Interprete os coeficientes do modelo ajustado.
| |
| − |
| |
| − | Data de entrega (cópia impressa): 11/12/2023.
| |
| − |
| |
| − | == Material de apoio ==
| |
| − |
| |
| − | 1. Livro texto do Prof. [https://www.ime.usp.br/~giapaula/texto_2023.pdf Gilberto A. Paula (IME/USP)].
| |
| − |
| |
| − | 2. Livro texto da Profa. [https://docs.ufpr.br/~niveam/micro%20da%20sala/bom/Apostila%20de%20MLG.pdf Clarice G. B. Demétrio (ESALQ/USP)].
| |
| − |
| |
| − | 3. [https://www2.stat.duke.edu/courses/Fall02/sta216/lecture1.pdf Resumo de MLG (Duke University)].
| |
| − |
| |
| − | 4. [https://faculty.washington.edu/heagerty/Courses/b571/handouts/GLM.pdf Resumo de MLG (University of Washington)].
| |
| − |
| |
| − | 5. [[Media:Exemplo-binomial-2023.pdf|Exemplo de MLG binomial]] em R.
| |
| − |
| |
| − | 6. [https://github.com/mvbdf/exemplos_mlg/blob/main/exemplo_binomial_python.ipynb Exemplo de MLG binomial] em Python.
| |
| − |
| |
| − | (colaboração de Matheus Vinícius Barreto de Farias).
| |
| − |
| |
| − | 7. [https://github.com/mvbdf/exemplos_mlg/blob/main/exemplo_binomial_julia.ipynb Exemplo de MLG binomial] em Julia.
| |
| − |
| |
| − | (colaboração de Cícero Coimbra Fonseca).
| |
| − |
| |
| − | 8. [[Media:Exemplo4-4p93-2023.pdf|Exemplo de MLG Bernoulli]] em R.
| |
| − |
| |
| − | 9. [[Media:Exemplo-Poisson-2023.pdf|Exemplo de MLG Poisson]] em R.
| |
| − |
| |
| − | 10. [[Media:Exemplo-contagem-2023.pdf|Exemplo de modelos para dados de contagem]] em R.
| |
| − |
| |
| − | 11. [https://arxiv.org/abs/2309.13183 Artigo de Rojas, Alvarez & Rojas (2023)] sobre o valor da informação (IV).
| |
| − |
| |
| − | 12. [[Media:Exemplo-gama-2023.pdf|Exemplo de MLG gama]] em R.
| |
| − |
| |
| − | 13. [[Media:Exemplo-modelo-linear-2023.pdf | Exemplos de ajuste e influência em um modelo linear]] em R.
| |
| − |
| |
| − | 14. As páginas abaixo sobre a classe de modelos GAMLSS se referem ao livro [https://www.gamlss.com/wp-content/uploads/2023/06/FlexibleRegressionAndSmoothingDraft-1.pdf Stasinopoulos ''et al''. (2015)].
| |
| − |
| |
| − | a) pag. 72-76: algoritmo RS (estimação dos parâmetros),
| |
| − |
| |
| − | b) pag. 127-134: diferentes distribuições,
| |
| − |
| |
| − | c) pag. 268-277: seleção de modelos e
| |
| − |
| |
| − | d) pag. 354-359: exemplo de modelo discreto.
| |
| − |
| |
| − | 15. Livro sobre distribuições da classe GAMLSS de [https://www.gamlss.com/wp-content/uploads/2023/06/DistributionsForModellingLocationScaleandShape.pdf Rigby ''et al''. (2017)].
| |
| − |
| |
| − | == Exercícios ==
| |
| − |
| |
| − | 1. Exercícios do livro da Profa. [https://docs.ufpr.br/~niveam/micro%20da%20sala/bom/Apostila%20de%20MLG.pdf Clarice G. B. Demétrio.]
| |
| − |
| |
| − | 1.1. Exercício 1.5.1 (b)-(d). Obtenha E(Y), Var(Y) e V(mu).
| |
| − |
| |
| − | 1.2. Exercício 1.5.3 (a) e (b).
| |
| − |
| |
| − | 2. Exercícios do livro do Prof. [https://www.ime.usp.br/~giapaula/texto_2023.pdf Gilberto A. Paula].
| |
| − |
| |
| − | 2.1. Exercício 3, pag. 102.
| |
| − |
| |
| − | 2.2. Exercício 6, pag. 103.
| |
| − |
| |
| − | 3. Exercícios do livro [https://link.springer.com/book/10.1007/978-1-4614-7138-7 James et al. (2013) "An Introduction to Statistical Learning"].
| |
| − |
| |
| − | 3.1. Exercício 6, pag. 170.
| |
| − |
| |
| − | 3.2. Exercício 9, pag. 170.
| |
| − |
| |
| − | 4. Exercícios do livro do Prof. [https://www.ime.usp.br/~giapaula/texto_2023.pdf Gilberto A. Paula].
| |
| − |
| |
| − | 4.1. Exercício 16, pag. 178.
| |
| − |
| |
| − | 4.2. Exercício 19, pag. 179.
| |
| − |
| |
| − | == Páginas úteis ==
| |
| − |
| |
| − | 1. [http://www.r-project.org/ The R Project for Statistical Computing.]
| |
| − |
| |
| − | 2. [https://google.github.io/styleguide/Rguide.xml Guia de estilo da linguagem R.]
| |
| − |
| |
| − | 3. [http://cran.r-project.org/doc/contrib/Torgo-ProgrammingIntro.pdf Programação em R.]
| |
| − |
| |
| − | 4. [http://heather.cs.ucdavis.edu/~matloff/145/PLN/RMaterials/NSPpart.pdf The Art of R Programming.]
| |
| − |
| |
| − | 5. [http://adv-r.had.co.nz Advanced R.]
| |
| − |
| |
| − | 6. [https://bookdown.org/yihui/rmarkdown-cookbook/ R Markdown Cookbook.]
| |
| − |
| |
| − | 7. [http://pt.stackoverflow.com/questions/tagged/r Perguntas e respostas sobre R (Stack Overflow em português).]
| |
| − |
| |
| − | 8. [http://stackoverflow.com/questions/tagged/r Perguntas e respostas sobre R (Stack Overflow em inglês).]
| |
| − |
| |
| − | 9. [http://www.rseek.org/ Rseek - busca de páginas sobre R.]
| |
| − |
| |
| − | 10. [https://onlinelibrary.wiley.com/action/doSearch?AllField=python&startPage=&target=titleSearch&content=journalTitle Livros sobre Python.]
| |
