Plano Departamental

Distribuição normal multivariada, álgebra de matrizes e distribuições de formas quadráticas.
Modelos de regressão linear simples e múltipla: formulação matricial, estimação (métodos de
mínimos quadrados e de máxima verossimilhança), intervalos de confiança e testes para os
parâmetros, previsão, seleção de variáveis regressoras, análise dos pressupostos do modelo e
transformação de variáveis. Procedimentos de diagnóstico dos modelos: análises de resíduos e
de influência. Técnicas computacionais em Estatística. Análise de dados reais.

Draper, N. R. e H. Smith (1998). Applied regression analysis. New York: Wiley.
Graybill, F.A. (1976). Theory and applications of the linear model. North Scituate,
Massachusetts: Duxbury.
Graybill, F.A. (1983). Matrices with applications in Statistics. Pacific Grove, California: Wadsworth
& Brooks/Cole.
Kutner, M. H., C. J. Nachtsheim, J. Neter e W. Li (2005). Applied linear statistical models (5 ed.).
Chicago: McGraw-Hill Irwin.
Montgomery, D. C., E. A. Peck e G. G. Vining (2012). Introduction to linear regression analysis (5
ed.). New York: Wiley.
Rao, C.R. (1973). Linear statistical inference and its applications. New York: Wiley.
Searle, S.R. (1971). Linear models. New York: Wiley.
Searle, S.R. (1982). Matrix algebra useful for Statistics. New York: Wiley.
Seber, G.A.F. and Lee, J. (2003). Linear regression analysis. New York: Wiley.

Não informado

Cordeiro, G. M. e C. G. B. Demétrio (2011). Modelos lineares generalizados e extensões.
Piracicaba.
Cook, R. D. e Weisberg, S. (1999). Applied Regression Including Computing and Graphics. Wiley
Series in Probability and Statistics. John Wiley, Wiley Interscience.
Hastie, T., R. Tibshirani e J. Friedman (2017). The elements of statistical learning
- data mining, inference, and prediction. New York: Springer.
Izbicki, R. e T. M. Santos (2020). Aprendizado de máquina: uma abordagem estatística.
James, G., D. Witten, T. Hastie e R. Tibshirani (2017). An introduction to statistical
learning with applications in R. New York: Springer.
McCullagh, P. e Nelder, J.A. (1989). Generalized Linear Models, 2nd edition, Chapman and Hall,
London.
McCullogh, C.E.e Searle, S.R. (2001). Generalized, Linear, and Mixed Model, John Wiley, New
York.
Paula, G. A. (2013). Modelos de regressão com apoio computacional. São Paulo.
Searle, S.R. (1987). Linear models for unbalanced data. New York: Wiley.
en, P.K. and Singer, J.M. (1993) Large sample methods in Statistics: an introduction with
applications. New York: Chapman and Hall.