diff --git a/docs/cap02_revisao-de-literatura.Rnw b/docs/cap02_revisao-de-literatura.Rnw
index 24f664ffe8599b8904f7bb85c666c031cc94a2dd..4d647741b534ce16a55d963d3ed794e913939fdd 100644
--- a/docs/cap02_revisao-de-literatura.Rnw
+++ b/docs/cap02_revisao-de-literatura.Rnw
@@ -485,7 +485,7 @@ $\nu = 1$ (painel central).
 
 <<distr-compoisson, fig.height=3.4, fig.width=6.7, fig.cap="Probabilidades pela distribuição COM-Poisson para diferentes parâmetros.">>=
 
-library(tccPackage)
+library(cmpreg)
 ##-------------------------------------------
 ## Parametros da distribuição
 pars <- list("p1" = log(c(1.362, 0.4)),
@@ -577,7 +577,7 @@ foram escolhidos conforme restrições para redução da distribuição.
 
 <<casos-particulares, fig.height=3, fig.width=7, fig.cap="Exemplos de casos particulares da distribuição COM-Poisson.">>=
 
-library(tccPackage)
+library(cmpreg)
 ##-------------------------------------------
 ## Parametros da distribuição
 pars <- list("p1" = log(c(5, 1)),
@@ -869,7 +869,7 @@ y2 <- sapply(rbinom(n, 1, pi), function(x) {
 
 ##-------------------------------------------
 ## Estimando as probabilidades
-library(tccPackage)
+library(cmpreg)
 
 sim <- list("s1" = as.integer(y1), "s2" = as.integer(y2))
 probs <- sapply(sim, function(y) {
diff --git a/docs/cap03_materiais-e-metodos.Rnw b/docs/cap03_materiais-e-metodos.Rnw
index 879be4fca0aa6663173077bbfe1cf5d4fc353fd1..9b49b2d225a36a9b3001a408e02f6156e6ed6a63 100644
--- a/docs/cap03_materiais-e-metodos.Rnw
+++ b/docs/cap03_materiais-e-metodos.Rnw
@@ -34,7 +34,7 @@ potencialmente contempladas por modelos alternativos ao Poisson.
 
 <<data-cottonBolls, include=FALSE, echo=FALSE>>=
 
-data(cottonBolls, package = "tccPackage")
+data(cottonBolls, package = "cmpreg")
 
 niveis.des <- paste0(paste(unique(cottonBolls$des) * 100,
                            collapse = ", "), "\\%")
@@ -69,7 +69,7 @@ subdispersão.
 
 <<descr-cottonBolls, fig.height=4.2, fig.width=7, fig.cap="Número de capulhos produzidos para cada nível de desfolha e estágio fenológico (esquerda) e médias e variâncias das cinco repetições em cada combinação de nível de desfolha e estágio fenológico (direita).">>=
 
-library(tccPackage)
+library(cmpreg)
 xy1 <- xyplot(ncap ~ des | est,
               data = cottonBolls,
               layout = c(NA, 3),
@@ -113,7 +113,7 @@ fonte.xy("Fonte: Traduzido de Zeviani et al. (Figura 2)")
 
 <<data-cottonBolls2, include=FALSE, echo=FALSE>>=
 
-data(cottonBolls2, package = "tccPackage")
+data(cottonBolls2, package = "cmpreg")
 
 niveis.dexp <- paste0(paste(unique(cottonBolls2$dexp),
                            collapse = ", "), " dias")
@@ -229,7 +229,7 @@ mv <- cbind(mvr[1:6, 1], mv[1:6, ], mv[7:12, ], mv[13:18, ])
 
 <<data-soyaBeans, include=FALSE, echo=FALSE>>=
 
-data(soyaBeans, package = "tccPackage")
+data(soyaBeans, package = "cmpreg")
 soyaBeans <- soyaBeans[-74, ] ## outlier identificado
 soyaBeans <- soyaBeans[, c("K", "umid", "bloc", "ngra", "nvag")]
 
@@ -360,7 +360,7 @@ fonte.xy("Fonte: Elaborado pelo autor.")
 
 <<data-whiteFly, include=FALSE, cache=FALSE>>=
 
-data(whiteFly, package = "tccPackage")
+data(whiteFly, package = "cmpreg")
 
 ## Somente as cultivares que contém BRS na identificação
 whiteFly <- droplevels(subset(whiteFly, grepl("BRS", x = cult)))
@@ -435,7 +435,7 @@ fonte.xy("Fonte: Elaborado pelo autor")
 
 <<data-fish, include=FALSE, echo=FALSE>>=
 
-data(fish, package = "tccPackage")
+data(fish, package = "cmpreg")
 
 @
 
@@ -502,7 +502,7 @@ acomodem excesso de zeros se fazem necessários.
 
 <<data-nematodes, include=FALSE, cache=FALSE>>=
 
-data(nematodes, package = "tccPackage")
+data(nematodes, package = "cmpreg")
 
 @
 
@@ -587,8 +587,8 @@ requerido.
 
 Destaca-se nesse trabalho que todas as funções implementadas para ajuste
 e inferência dos modelos de regressão COM-Poisson estão disponíveis, em
-formato de um pacote R, \texttt{tccPackage}, no endereço
-\url{https://github.com/JrEduardo/tccPackage}. No apêndice
+formato de um pacote R, \texttt{cmpreg}, no endereço
+\url{https://github.com/JrEduardo/cmpreg}. No apêndice
 \ref{capA:codigostcc} o emprego do pacote na análise de um conjunto de
 dados exibido no trabalho é ilustrado com códigos R.
 
diff --git a/docs/cap04_resultados-e-discussao.Rnw b/docs/cap04_resultados-e-discussao.Rnw
index 89a3cd78ed0f4508b0d000b15a52257ac8f3c181..7e9bcc834faec20496b049ab3ab76c1b20b19e99 100644
--- a/docs/cap04_resultados-e-discussao.Rnw
+++ b/docs/cap04_resultados-e-discussao.Rnw
@@ -17,7 +17,7 @@ realizadas.
 <<ajuste-cottonBolls, include=FALSE, cache=TRUE>>=
 
 ## Dados
-library(tccPackage)
+library(cmpreg)
 data(cottonBolls)
 
 ## Preditores
@@ -383,7 +383,7 @@ seriam incorretas.
 <<ajuste-cottonBolls2, include=FALSE, cache=TRUE>>=
 
 ## Dados
-library(tccPackage)
+library(cmpreg)
 data(cottonBolls2)
 
 ## Preditores considerados
@@ -831,7 +831,7 @@ abordagem semi-paramétrica.
 <<ajuste-soyaBeans, include=FALSE, cache=TRUE>>=
 
 ## Dados
-library(tccPackage)
+library(cmpreg)
 data(soyaBeans)
 soyaBeans <- soyaBeans[-74, ]
 soyaBeans <- transform(soyaBeans, K = factor(K))
@@ -1758,7 +1758,7 @@ Poisson.
 <<ajuste-fish, include=FALSE, cache=TRUE>>=
 
 ## Dados
-data(fish, package = "tccPackage")
+data(fish, package = "cmpreg")
 
 ## Preditores
 f1 <- npeixes ~  campista + npessoas |
@@ -2100,7 +2100,7 @@ barreira, conforme apresentado, se torna uma abordagem atrativa.
 
 <<ajuste-nematodes, include=FALSE, cache=FALSE>>=
 
-library(tccPackage)
+library(cmpreg)
 library(lme4)
 data(nematodes)