Estatística Aplicada em Ciências e Engenharia

Código:

M4083

Sigla:

M4083

Áreas Científicas
Classificação	Área Científica
OFICIAL	Matemática

Ocorrência: 2018/2019 - 1S

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

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M:ENM	19	Plano de Estudos do M:Engenharia Matemática_2013-2014	1	-	6	56	162

Língua de trabalho

Português

Objetivos

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
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.

 

Resultados de aprendizagem e competências

Referidos no item anterior.

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

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. Será efetuada uma breve revisão a esta matéria. 

Programa

Conteúdos programáticos:
0.  Breve revisão de probabilidades e estatística.
1. Tópicos de análise de dados com R 
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.  Testes não paramétricos.
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.

 

Bibliografia Obrigatória

apontamentos escritos disponibilizados pelos professores
Julian Faraway; Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models, Chapman & Hall/CRC Texts in Statistical Science, 2006. ISBN: 158488424X

Bibliografia Complementar

000083800. ISBN: 1-58488-029-5
000040469. ISBN: 0-387-95475-9
000098707. ISBN: 978-0-521-86116-8
000074783. ISBN: 0-387-95187-3
000040365. ISBN: 0-387-95284-5
000102543. ISBN: 1-58488-325-1
000040221. ISBN: 0-387-98218-3
Julian Faraway; Linear Models with R, Taylor and Francis, 2009. ISBN: 1584884258

Métodos de ensino e atividades de aprendizagem

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).

Software

R Project
SPSS

Palavras Chave

Ciências Físicas > Matemática > Estatística

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Teste	75,00
Trabalho escrito	25,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	120,00
Frequência das aulas	42,00
Total:	162,00

Obtenção de frequência

Não há falta de frequência.

Fórmula de cálculo da classificação final

1. Não há exame na época normal. Há exame na época de recurso.

2. Exame de recurso: os alunos que não passaram por testes e trabalho e se apresentem a exame (época de recurso), podem realizar uma ou ambas as partes. Para cada parte, ficam com o melhor dos resultados obtidos por teste e exame. O trabalho não pode ser melhorado. 

3. Melhoria de nota: os alunos que se apresentem no exame de recurso para melhoria de nota têm de realizar ambas as partes. O trabalho  não pode ser melhorado.  A fórmula de avaliação é a mesma (ver abaixo).

4. Fórmula de avaliação: 
Há duas fórmulas de avaliação:

F1:
1º teste [7,10]; 2º teste [4, 7]; trabalho [5,8]
Das 3 componentes, aquela em que o aluno teve melhor classificação vale, para esse aluno, o valor máximo no intervalo acima. A pior componente vale, para esse aluno, o valor mínimo no intervalo acima. À outra componente são retirados 2 valores ao máximo do intervalo.

F2:
O aluno não realiza o trabalho e nesse caso cada uma das duas partes (dois testes) vale 50%. Neste caso a nota do aluno nunca será superior a 16 valores, mesmo que no conjunto das  duas partes dê um valor superior.

A classificação final do aluno será MAX(F1,F2).

Melhoria de classificação

 Melhoria de nota: os alunos que se apresentem no exame de recurso para melhoria de nota têm de realizar ambas as partes. O trabalho  não pode ser melhorado.  A fórmula de avaliação é a mesma (ver acima).

Observações

Fórmula de avaliação: 
Há duas fórmulas de avaliação:

F1:
1º teste [7,10]; 2º teste [4, 7]; trabalho [5,8]
Das 3 componentes, aquela em que o aluno teve melhor classificação vale, para esse aluno, o valor máximo no intervalo acima. A pior componente vale, para esse aluno, o valor mínimo no intervalo acima. À outra componente são retirados 2 valores ao máximo do intervalo.

F2:
O aluno não realiza o trabalho e nesse caso cada uma das duas partes (dois testes) vale 50%. Neste caso a nota do aluno nunca será superior a 16 valores, mesmo que no conjunto das  duas partes dê um valor superior.

A classificação final do aluno será MAX(F1,F2).