Plano Departamental

1ª Parte :
1. Escalas de mensuração, escalonamento, tipos de variáveis categóricas.
2. Introdução à análise de dados categóricos, objetivos e enfoque a serem utilizados. Tabelas
de contingência: notação e exemplos. Revisão dos modelos utilizados para dados discretos
univariados: Bernoulli e binomial; hipergeométrico; geométrico e binomial negativo; Poisson.
3 Tabelas de contingência bidimensionais e suas formas de análise: proporções, “odds ratios”.
Tabelas 2 X 2 e Tabelas l X c. Os modelos probabilísticos adotados para as observações em
tabelas de contingência: Produto de distribuições de Poisson, Multinomial, Hipergeométrica,
Produto de distribuições Multinomiais. Variáveis resposta (desfecho) e variáveis explicativas
(fatores). Graus de liberdade.
4. A estatística qui-quadrado de Pearson. Correção de Yates. Qui-quadrado de McNemar.
Agregação de tabelas 2 x 2. Partição de tabelas 2 X c em tabelas 2 X 2. Análise de resíduos
das células em tabelas de contingência.
5. Tabelas tridimensionais e multidimensionais. Independência mútua, independência parcial,
independência condicional, efeitos de segunda ordem. Estatística de Cochran-MantelHaenszel. Estatística de Breslow-Day. Paradoxo de Simpson.
6. Análise de Correspondências Simples. Princípios Gerais: inércia, plano principal, valores
singulares, vetores singulares, contribuições.
2ª Parte:
7. Breve introdução a Modelos Lineares Generalizados
8. Modelos loglineares para tabelas de contingência. Especificação, ajuste, análise e
interpretação no contexto de MLG.
9. Variáveis ordinais: testes para tendência linear. Associação linear × linear. Efeitos de linha
e efeitos de coluna. Especificação, ajuste, análise, interpretação no contexto de MLG
10. Modelos logísticos lineares binários. Especificação, ajuste, análise, interpretação no
contexto de MLG. Estratégias para modelos de classificação e modelos de previsão.
11. Modelos Probit. Especificação, ajuste, análise, interpretação no contexto de MLG.
12. Modelos Poisson. Especificação, ajuste, análise, interpretação no contexto de MLG.

AGRESTI, A. 2007. An Introduction to Categorical Data Analysis – 2nd Edition. New York:
Wiley.
D’HAINAUT, L. 1992. Conceitos e Métodos da Estatística.vol. 2 – Duas ou Três Variáveis
Segundo Duas ou Três Dimensões. Lisboa: Fundação Calouste Gulbenkian.
EVERITT, B.S. 1992. The analysis of contingency tables – 2ª ed.. Monographs on statistics
and applied probability 45. London: Chapman & Hall.
GIOLO, S.R. 2017. Introdução à Análise de Dados Categóricos com Aplicações. ABE –
Projeto Fisher. São Paulo: Blucher.
GREENACRE, M. 2007. Correspondence Analysis in Practice, 2ª edição. Boca Raton: CRC
Press.
JOBSON, J.D. 1992. Applied multivariate data analysis - Vol. 2: Categorical and Multivariate
methods. Springer texts in statistics. New York: Springer.
KATERI, M. E MOUSTAKI, I. (EDS) 2023. Trends And Challenges In Categorical Data Analysis:
Statistical Modelling And Interpretation. Switzerland: Springer Nature.
NISHISATO, S., 2007. Multidimensional Nonlinear Descriptive Analysis. Boca Raton: CRC
Press.
PAULINO, C.D. E SINGER, P. 2006. Análise de Dados Categorizados. São Paulo: Blücher.
Recursos disponíveis online:
HALL, D.B. Categorical Data Analysis & Generalized Linear Models — Lecture Notes STAT
8620 – Department of Statistics – University of Georgia, Franklin College of Arts and
Science.
https://faculty.franklin.uga.edu/dhall/sites/faculty.franklin.uga.edu.dhall/files/lec1(1)_0.pdf
VALCHEVA. S. Apresentação introdutória sobre Análise de Dados Categóricos. Disponível
em: http://www.intellspot.com/categorical-data-examples/

Não informado

Não informado