Modelos Estatísticos Avançados em Ciências e Engenharia

Código:

M4015

Sigla:

M4015

Áreas Científicas
Classificação	Área Científica
OFICIAL	Matemática

Ocorrência: 2020/2021 - 2S

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	8	Plano de Estudos do M:Engenharia Matemática_2013-2014	1	-	6	56	162
			2

Língua de trabalho

Português

Objetivos

1. Capacitar os alunos com metodologias avançadas de regressão, incluindo análise de medições repetidas e de dados longitudinais, para respostas contínuas e discretas, e de dados de sobrevivência.
2. Implementar as análises estatísticas num software adequado
3. Promover o espírito crítico ao longo de todo o processo de modelação estatística (recolha de dados, modelação, interpretação dos resultados, ...)

Resultados de aprendizagem e competências

1. Reconhecimento de cenários de medições repetidas, dados longitudinais ou dados de sobrevivência
2. Identificação do modelo mais adequado ao contexto de um determinado problema, de entre os modelos estudados
3. Aplicação e implementação dos modelos estudados em R
4. Interpretação adequada dos resultados 
5. Promoção do espírito crítico ao longo de todo o processo de modelação

Modo de trabalho

Presencial

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

São necessários conhecimentos prévios sobre regressão linear múltipla e regressão logística.

Programa

1. Regressão linear (Gaussiana) com efeitos mistos.

2. Modelos lineares generalizados com efeitos mistos: regressão logística longitudinal e regressão de Poisson longitudinal.

3. Análise de sobrevivência.

Para cada um dos modelos enunciados, serão estudados os processos de estimação e inferência dos parâmetros, modelação e interpretação dos resultados.

Bibliografia Obrigatória

José Pinheiro e Douglas Bates; Mixed Effects Models in S and S Plus , Springer, 2000. ISBN: ISBN-13: 978-1475781441
Molenberghs, G. and Verbeke, G.; Models for Discrete Longitudinal Data, Spinger, New York, 2005

Bibliografia Complementar

Zuur Alain F., ed. lit. 340; Mixed effects models and extensions in ecology with R. ISBN: 978-1-4419-2764-4
Garrett M. Fitzmaurice; Applied longitudinal analysis. ISBN: 978-0-470-38027-7
Cabral M.S. & Gonçalves M.H. ; Análise de Dados Longitudinais, Sociedade Portuguesa de Estatística, 2011
Verbeke G. & Molenberghs G. ; Linear Mixed Models for Longitudinal Data, Spinger, New York, 2000

Métodos de ensino e atividades de aprendizagem

Aulas teórico-práticas, de exposição da matéria teórica e exercícios práticos de aplicação, com recurso ao R.

Software

R

Palavras Chave

Ciências Físicas > Matemática > Estatística

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho escrito	67,00
Exame	33,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	86,00
Frequência das aulas	56,00
Trabalho escrito	20,00
Total:	162,00

Obtenção de frequência

Não há registo da assistência às aulas.

Fórmula de cálculo da classificação final

Os alunos terão de realizar dois trabalhos escritos individuais, com apresentação oral, e um exame final. A classificação final corresponderá à média das classificações obtidas nessas três componentes.
Para obterem aprovação à unidade curricular, os estudantes terão de tirar mais de 6 valores (em 20) em cada uma das três componentes de avaliação.

Melhoria de classificação

A nota dos trabalhos não pode ser melhorada; apenas o exame final.

Observações

1) Júri: Rita Gaio e Óscar Felgueiras

2) O modo de funcionamento da unidade curricular está condicionado às limitações impostas pela FCUP de acordo com a evolução da pandemia COVID19. Não se espera um modo de funcionamento que seja 100% presencial.