Sumários

Aula 8 (TP04)

5 Novembro 2025, 08:30 • Fernanda Maria dos Reis Torroaes Valente

Regressão Linear - abordagem inferencial. Ex. práticos: 3. (milho) a) b) c) d) e) f) g) h) (incompleto). TPC: Calcular o AIC para o modelo milho.lm; correr o comando step(milho.lm) e interpretar o resultado; resolver o  ex. 4 (ameixas).

Aula 8 TP03

4 Novembro 2025, 11:15 • Marta Guerreiro Duarte Mesquita de Oliveira

Regressão Linear - abordagem inferencial. Resolução do exercício 3. TPC: Exercício 3 g).

Aula teórica 8 - EDExp_01

4 Novembro 2025, 09:15 • Elsa Maria Félix Gonçalves

Comparando modelos e submodelos: o teste F parcial. Discussão do conceito de submodelo e formulações (alternativas) das Hipóteses do teste. A estatística do teste F parcial (com expressões alternativas e demonstração). A natureza unilateral direita da Região Crítica.

O problema da escolha de um submodelo. Algoritmos de exclusão sequencial baseados nos testes t-Student a beta_j=0. Definição e interpretação do Critério de Informação de Akaike (AIC). Algoritmo de exclusão sequencial baseado no AIC e a função step do R.

A validação do modelo: a necessidade de validar os pressupostos sobre os erros aleatórios a partir dos resíduos.

Aula 8 (TP08)

3 Novembro 2025, 14:00 • Fernanda Maria dos Reis Torroaes Valente

Regressão Linear - abordagem inferencial. Ex. práticos: 3. (milho) a) b) c) d) e) f) g) h). TPC: Ex. 4 (ameixas).

Aula Teórica 8 - EDExp_03_04_07_08

3 Novembro 2025, 08:45 • Elsa Maria Félix Gonçalves

Comparando modelos e submodelos: o teste F parcial. Discussão do conceito de submodelo e formulações (alternativas) das Hipóteses do teste. A estatística do teste F parcial (com expressões alternativas e demonstração). A natureza unilateral direita da Região Crítica.

O problema da escolha de um submodelo. Algoritmos de exclusão sequencial baseados nos testes t-Student a beta_j=0. Definição e interpretação do Critério de Informação de Akaike (AIC). Algoritmo de exclusão sequencial baseado no AIC e a função step do R.

A validação do modelo: a necessidade de validar os pressupostos sobre os erros aleatórios a partir dos resíduos.