Estatística Aplicada

Código:

M2020

Sigla:

M2020

Nível:

200

Áreas Científicas
Classificação	Área Científica
OFICIAL	Matemática

Ocorrência: 2016/2017 - 2S

Ativa?	Sim
Unidade Responsável:	Departamento de Matemática
Curso/CE Responsável:	Licenciatura em Matemática

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
L:B	0	Plano de Estudos Oficial	3	-	6	56	162
L:M	54	Plano de Estudos Oficial	2	-	6	56	162
L:Q	0	Plano estudos a partir do ano letivo 2016/17	3	-	6	56	162
MI:ERS	4	Plano Oficial desde ano letivo 2014	2	-	6	56	162

Língua de trabalho

Português

Objetivos

Ao completar esta unidade curricular, o estudante deverá

- dominar  os conceitos e princípios fundamentais da Estatística, e em particular da Inferência Estatística básica.

- conhecer as técnicas de inferência estatística mais comuns e sabe-las aplicar a problemas concretos;

- saber caracterizar um modelo de regressão linear e ser capaz de aplicar a teoria à análise de dados reais, envolvendo o ajustamento do modelo, diagnóstico e previsão;

- ser capaz de identificar e formular matematicamente um problema, de escolher métodos da estatística adequados e de analisar e interpretar de forma crítica os resultados obtidos.

Pretende-se também que o estudante adquira familiaridade com a linguagem de programação R  na  resolução de problemas.

Resultados de aprendizagem e competências

Os mencionados nos objectivos.

Modo de trabalho

Presencial

Programa

Estimação paramétrica: estimação pontual e intervalar.
Testes de hipóteses. Lema de Neyman-Pearson.
Testes de adesão a uma distribuição. Testes de adesão à normalidade. 
Testes de hipóteses paramétricos para uma amostra: teste para a média, teste para a proporção (teste exacto e usando a aproximação pela normal).
Testes de hipóteses para duas amostras: diferença de médias em amostras independentes e emparelhadas, razão de variâncias.
Testes de hipóteses não paramétricos alternativos aos anteriores testes paramétricos.  
Testes de hipóteses (paramétricos e não paramétricos) para mais de duas amostras de uma variável aleatória contínua. Testes para dados categóricos. 
Análise de correlação (Pearson e Spearman) e testes de hipótesese correspondentes.
Estimação por máxima verosimilhança.
Modelos de regressão linear: estimação dos parâmetros pelos métodos da máxima verosimilhança e dos mínimos quadrados, propriedades dos estimadores, diagnóstico e previsão.

Bibliografia Obrigatória

A. Rita Gaio; Apostamentos disponibilizados pelo docente

Bibliografia Complementar

Casella George; Statistical inference. ISBN: 0-534-24312-6
Nolan Deborah; Stat labs. ISBN: 0-387-98974-9
Pestana Dinis Duarte; Introdução à probabilidade e à estatística. ISBN: 972-31-0954-9

Métodos de ensino e atividades de aprendizagem

As horas de contacto estão distribuídas em aulas teóricas e teórico-práticas. Nas primeiras são apresentados os conteúdos do programa, recorrendo-se a exemplos variados para ilustrar os tópicos tratados e motivar e orientar o estudo autónomo dos estudantes. Nas aulas teórico-práticas são resolvidos e discutidos exercícios e problemas. Em particular, são analisados conjuntos de dados reais, recorrendo ao software R. São disponibilizados  materiais de apoio na página da disciplina.

 

 

Software

R

Palavras Chave

Ciências Físicas > Matemática > Estatística

Tipo de avaliação

Avaliação por exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	100,00
Total:	100,00

Fórmula de cálculo da classificação final

Classificação obtida do exame final. Os alunos com classificação igual ou superior a 17.5 valores poderão ser submetidos a uma prova de valorização para defesa da nota.