edilton-bs/stats_modelling

Resources for Statistical Modelling ("Modelagem Estatística").

Modelagem Estatística

Como diz a ementa, o propósito desta disciplina é expor a estudante aos princípios básicos da modelagem estatística, em particular aos modelos de regressão. Para auxiliar a busca pelo conhecimento, há uma bibliografia comentada aqui.

AVISO 0: todos os documentos listados aqui serão atualizados à medida que o curso avança.

AVISO 1: caso haja dificuldade em obter quaisquer dos materiais listados (PDFs de artigos, por exemplo), entrar em contato com o professor para que eu possa compartilhar o material para fins acadêmicos e de uso pessoal.

Monitor: @isaquepim

Programa aproximado aqui.

Bibliografia

• [ROS] Gelman, A., Hill, J., & Vehtari, A. (2020). Regression and other stories. Cambridge University Press.
• [SR] McElreath, R. (2020). Statistical rethinking: A Bayesian course with examples in R and Stan. Chapman and Hall/CRC.
• [GH] Gelman, A., & Hill, J. (2006). Data analysis using regression and multilevel/hierarchical models. Cambridge university press.

News

• No dia 15/02 não haverá aula.

Modelos, hipóteses e a lógica da ciência

• SR Ch1;
• Box (1976). Science and statistics. Journal of the American Statistical Association, 71(356), 791-799;
• Nester (1996). An applied statistician's creed. Journal of the Royal Statistical Society: Series C (Applied Statistics), 45(4), 401-410.

Modelo linear

• Teorema de Gauss-Markov;
• Teorema de Frish-Waugh-Lovell;
• Linear models can’t keep up with sport gender gap.

Família exponencial

• Duane Rich's videos: part 1 and part 2

Modelos lineares generalizados

• Mccullagh & Nelder (1989) "Generalised linear models". [PDF].

Transformações

• Sakia, (1992). The Box‐Cox transformation technique: a review. Journal of the Royal Statistical Society: Series D (The Statistician), 41(2), 169-178.

Reparametrização

• Stan guide 24.2.

Multicolinearidade

• Alin (2010). Multicollinearity. Wiley interdisciplinary reviews: computational statistics, 2(3), 370-374.

Modelos multinivel

• Why hierarchical models are awesome, tricky, and Bayesian;
• Parametrização centrada vs não-centrada: https://sjster.github.io/introduction_to_computational_statistics/docs/Production/Reparameterization.html.

Tópicos especiais

• Simpson's paradox, Seção 5;
• Does model averaging make sense?.

Recursos úteis

• Neste FAQ, Ben Bolker explica os principais tipos de modelos que podem ser ajustados com o pacote lme4 do R, e, mais importante, discute as diferenças terminológicas que tão frequentemente causam confusão -- vide distinção entre "fixed" e "random" factors.

• O livro de Douglas Bates sobre como usar o lme4 para ajustar modelos "mistos".