Código: | M4060 | Sigla: | M4060 | Nível: | 400 |
Áreas Científicas | |
---|---|
Classificação | Área Científica |
OFICIAL | Matemática |
Ativa? | Sim |
Unidade Responsável: | Departamento de Matemática |
Curso/CE Responsável: | Mestrado em Engenharia Geoespacial |
Sigla | Nº de Estudantes | Plano de Estudos | Anos Curriculares | Créditos UCN | Créditos ECTS | Horas de Contacto | Horas Totais |
---|---|---|---|---|---|---|---|
M:CC | 0 | PE a partir do ano letivo de 2014 | 1 | - | 6 | 56 | 162 |
M:EAGR | 15 | Plano de estudos a partir de 2013 | 1 | - | 6 | 56 | 162 |
M:ENM | 20 | Plano de Estudos do M:Engenharia Matemática_2013-2014 | 1 | - | 6 | 56 | 162 |
M:FM | 1 | Plano de estudos do Mestrado em Física Médica a partir de 2013. | 1 | - | 6 | 56 | 162 |
Pretende-se que os estudantes adquiram:
a) conhecimentos sobre a recolha organizada de informação
b) técnicas e modelos estatísticos comummente usados no tratamento de dados do âmbito da Ciência e da Engenharia, e saibam aplicá-los adequadamente em R/SPSS
c) capacidade para saber escolher e aplicar as técnicas e modelos estatísticos aprendidos a problemas concretos
d) espírito crítico e capacidade de interpretação dos resultados obtidos por aplicação das técnicas e modelos estatísticos aprendidos.
Referidos no item anterior.
São necessários conhecimentos prévios sobre variáveis aleatórias e distribuições de probabilidade, estatísticas amostrais, intervalos de confiança e testes de hipóteses. Estes são os conteúdos usuais de uma unidade curricular de introdução às Probabilidades e Estatística do ensino superior.
Conteúdos programáticos:
1. Tópicos de análise de dados com R / SPSS
2. Regressão linear simples e correlação.
3. Regressão linear múltipla. Modelo, estimação de parâmetros, testes de hipóteses para os coeficientes, intervalos de confiança, intervalos de predição, coeficiente de determinação, multicolinearidade, métodos de selecção de modelos, comparação de modelos, diagnóstico.
4. Regressão Ridge e Regressão LASSO.
5. Análise de variância: 1 e 2 factores.
6. Modelos lineares generalizados. Regressão de Poisson, regressão logística, regressão logística multinomial e regressão logística ordinal.
7. Análise de artigos científicos.
Aulas de tipo teórico-prático com diferentes exemplos de aplicação das técnicas e modelos estatísticos apresentados em laboratório computacional.O software usado é o software SPSS ou a linguagem gratuita de programação com ambiente de software R (dependendo do mestrado em causa).
Designação | Peso (%) |
---|---|
Teste | 75,00 |
Trabalho escrito | 25,00 |
Total: | 100,00 |
1. Obtenção de frequência: Os alunos terão de realizar, obrigatoriamente, um trabalho (eventualmente com apresentação oral) com um peso de 25% (5 valores, em 20), e dois testes com um peso total de 75%. A nota do trabalho não pode ser melhorada.
O primeiro teste terá uma cotação máxima de 10 valores (em 20), e o segundo uma cotação máxima de 5 valores (em 20). Em cada um dos testes os alunos têm que tirar uma classificação igual ou superior a 30% da cotação do teste (portanto uma cotação maior ou igual a 3 valores no primeiro teste e maior ou igual a 1.5 valores no segundo teste). Só nestas condições é que a soma das classificações dos testes poderá ser considerada.
2. Dispensa de exame: O aluno obterá dispensa de exame caso a soma da classificação obtida nos dois testes com a classificação obtida no trabalho seja igual ou superior a 9.5 valores.
3. Melhoria de nota: Caso os alunos que obtiveram dispensa de exame decidam ir ao exame da época normal para subir nota e este for corrigido, ficam com a nota do exame em lugar da nota dos testes; podem sempre ir à época de recurso para melhoria de 75% da nota (uma vez que a nota do trabalho não pode ser melhorada).
Melhoria de nota: Caso os alunos que obtiveram dispensa de exame decidam ir ao exame da época normal para subir nota e este for corrigido, ficam com a nota do exame em lugar da nota dos testes; podem sempre ir à época de recurso para melhoria de 75% da nota (uma vez que a nota do trabalho não pode ser melhorada).