LCE5801 - Regressão e Covariância

Carga Horária

Docentes responsáveis
Clarice Garcia Borges Demetrio
Silvio Sandoval Zocchi
Taciana Villela Savian

Objetivo
A disciplina de Regressão e Covariância tem por objetivo fornecer aos alunos um embasamento sólido da
teoria de regressão bem como aplicações em diversas áreas. Ao final do curso o aluno será capaz de
utilizar adequadamente os métodos de estimação de parâmetros dos modelos de regressão e
covariância, realizar análises de diagnóstico e análise de resíduos, utilizar os métodos de seleção de
variáveis, realizar testes de hipóteses sobre os parâmetros dos modelos e obter intervalos de confiança
e de previsão.

Conteúdo
Regressão linear simples: modelo estatístico, estimação pelo método dos mínimos quadrados,
propriedades dos estimadores, testes de hipóteses e intervalos de confiança para os parâmetros,
intervalo de previsão. Regressão linear múltipla: modelo estatístico, estimação pelo método dos mínimos
quadrados, propriedades dos estimadores, testes de hipóteses e intervalo de confiança para os
parâmetros. Análise de resíduos e diagnósticos. Estimação dos parâmetros na distribuição normal
bivariada pelo método da máxima verossimilhança. Coeficientes de correlação, simples, parcial e
múltipla: estimação, testes de hipóteses e intervalos de confiança. Polinômios Ortogonais. Seleção de
Variáveis e Testes de paralelismo de retas. Análise de Covariância.

Bibliografia
ATKINSON, A.C. Plots, Transformations and Regression: An Introduction to Graphical Methods and
Diagnostic Regression Analysis. Clarendon Press, Oxford. 1985. 282p.
BELSLEY, D.A.; KUH, E.; WELSCH, R.E. Regression Diagnostics: Identifying Data and Source of
Collinearity. John Wiley & Sons, 2005. 310p.
CHATTERJEE, S.; A. S. HAD. Regression Analysis by Example.. Edição 5, Ed. John Wiley & Sons, 2013,
424p.
COOK, R.D.; S. WEISBERG. An Introduction to Regression Graphics. John Wiley & Sons, Nova Iorque.
2009. 280p.
DEMÉTRIO, C.G.B. Modelos Lineares Generalizados na Experimentação Agronômica. 9º SEAGRO e 49ª
Reunião Anual da RBRAS, Piracicaba. 2001. 113p.
DRAPER, N. e H. SMITH. Applied Regression Analysis. John Wiley, Nova Iorque. 1981. 709p.
FARAWAY, J. J. Linear Models with R. CRC Press; 2nd ed. Edição. 2014. 286p.
FOX, J. Applied Regression Analysis and Generalized Linear Models. SAGE Publications, 2008. 665p.
Edição Ilustrada.
KLEINBAUM; D. G.; KUPPER, L.L.; NIZAM, A.; MULLER, K. E. Applied Regression Analysis and Other
Multivariable Methods. Cengage Learning, 2013. 1072p. 5ª Edição.
MONTGOMERY, D. C.; E. A. PECK, G. G. VINING. Introduction to Linear Regression Analysis. 6a ed. Ed.
John Wiley & Sons, 2021, 704p.
MONTGOMERY, D. C.; E. A. PECK, G. G. VINING. Solutions Manual to Accompany Introduction to Linear
Regression Analysis. 5a ed. Ed. John Wiley & Sons, 2015, 164p.
PINHEIRO, J.C.; BATES, D.M. Mixed-Effects Models in S and S-Plus. Springer Science & Business Media.
2010. 548p.
SEBER, G.A.F.; LEE, A.J. Linear Regression Analysis. John Wiley & Sons, Nova Iorque. 2012. 582p. 2ª
Edição.
STEEL, R.G.D.; TORRIE, J.H.; DICKEY, D.A. Studyguide for Principles and Procedures of Statistics. A
Biometrical Approach. Cram101 Incorporated. 2006. 156p.
VENABLES, W.N.; RIPLEY, B.D. Statistics and Computing. Springer-Verlag. 2002. 495p.
VITTINGHOFF, E., GLIDDEN, D.V., SHIBOSKI, S.C., McCULLOCH, C.E. Regression Methods In
Biostatistics: Linear, Logistic, Survival, and Repeated Measures Models. Springer Science & Business
Media. 2 edition. 2011. 512p.
WEISBERG, S. Applied Linear Regression. John Wiley & Sons. 2013. 368p. 4a. Edição