Estatística Aplicada em Ciências e Engenharia

Código:

M4060

Sigla:

M4060

Nível:

400

Áreas Científicas
Classificação	Área Científica
OFICIAL	Matemática

Ocorrência: 2019/2020 - 1S

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

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M:CC	1	PE a partir do ano letivo de 2014	1	-	6	56	162
M:EG	0	Plano de Estudos do M: ENG.GEO_2013-2014	1	-	6	56	162
M:FM	5	Plano de estudos do Mestrado em Física Médica a partir de 2013.	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/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.

 

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

Palavras Chave

Ciências Físicas > Matemática > Estatística

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho escrito	25,00
Exame	75,00
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

Avaliação por exame final e trabalho opcional.

1. Há exame na época normal e na época de recurso.

2. A nota do trabalho não pode ser melhorada. 

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

F1:
Exame [12,15]; trabalho [5,8]
Das 2 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. 

F2:
O aluno não realiza o trabalho e nesse caso conta apenas a nota do exame, mas neste caso a nota do estudante nunca será superior a 16 valores, mesmo tendo uma nota superior no exame.

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

Melhoria de classificação

Melhoria de nota: realização de exame final. O trabalho que não pode ser melhorado.  A fórmula de avaliação é a mesma (ver acima).