Inferência Estatística

Código:

M4120

Sigla:

M4120

Áreas Científicas
Classificação	Área Científica
CNAEF	Matemática e estatística

Ocorrência: 2020/2021 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Matemática
Curso/CE Responsável:	Estatística Computacional e Análise de Dados

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
E:ECAD	15	PE_Estatística Computacional e Análise de Dados	1	-	9	243	63

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

Aquisição de uma base sólida de conhecimentos em estatística indutiva e desenvolvimento de capacidades e engenho em técnicas de modelação estatística, fundamentais para a apresentação, tratamento e interpretação de conjuntos de dados.

Resultados de aprendizagem e competências

Ao completar esta unidade curricular, o estudante deverá

- dominar os conceitos e princípios fundamentais da Estatística;

- conhecer e saber aplicar os métodos e técnicas fundamentais da inferência estatística paramétrica e não-paramétrica a problemas concretos, envolvendo a análise crítica e apresentação dos resultados obtidos;

- ser capaz de usar a linguagem de programação R na análise estatística de diferentes tipos de dados e resolução de problemas.

Modo de trabalho

Presencial

Programa

Conceitos básicos da teoria da probabilidade e alguns modelos probabilísticos (revisão estruturada e desenvolvimento ao longo do curso).

Modelos estatísticos. Famílias exponenciais. Exaustividade. Verosimilhança.

Construção e comparação de estimadores paramétricos. Estimadores centrados com variância uniformemente mínima. Eficiência. Regiões de confiança.

Inferência baseada em simulação. Métodos de reamostragem, Testes de aleatorização.

Estimação e testes em modelos não-paramétricos. Estatísticas de ordem. Testes de qualidade de ajustamento. Testes baseados no vetor das ordens. Medidas e testes de associação.

Testes de hipóteses paramétricas. Critérios de otimalidade. Testes de razão de verosimilhanças.

Bibliografia Obrigatória

Casella George; Statistical inference. ISBN: 0-534-24312-6
Nolan Deborah; Stat labs. ISBN: 0-387-98974-9
Rice John A. 1944-; Mathematical statistics and data analysis. ISBN: 9780495118688

Métodos de ensino e atividades de aprendizagem

Aulas teórico-práticas com exposição dos conteúdos do programa, resolução e discussão de exercícios e problemas relacionados das fichas de trabalho. A introdução dos conceitos e métodos estatísticos é apoiada em exemplos variados, discutindo-se os desenvolvimentos teóricos dos métodos bem como a sua aplicação prática e utilizando-se, quando apropriado, o software R.

Proposta de trabalhos de grupo que, no seu conjunto, constituem o projecto. A discussão dos trabalhos é aberta, todos os estudantes são encorajados a participar.

Os materiais de apoio são disponibilizados na página da disciplina. Para além das aulas, há períodos de atendimento semanais onde os estudantes têm oportunidade de esclarecer dúvidas.

Software

R project

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	60,00
Trabalho prático ou de projeto	40,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	165,00
Frequência das aulas	63,00
Trabalho escrito	15,00
Total:	243,00

Obtenção de frequência

Trabalhos práticos/ Projeto submetidos nos prazos fixados.

Fórmula de cálculo da classificação final

A avaliação compreende duas componentes: projeto obrigatório (40%) e exame (60%). É exigida classificação mínima de 30% em cada uma das componentes de avaliação.

Melhoria de classificação

A classificação obtida na componente de projeto não é susceptível de melhoria e é apenas válida durante o corrente ano lectivo.

 

Observações

Júri da uc: Margarida Brito e Rita Gaio