Estatística Computacional

Código:

M4122

Sigla:

M4122

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	14	PE_Estatística Computacional e Análise de Dados	1	-	9	63	243
M:ENM	9	Plano de Estudos do M:Engenharia Matemática_2013-2014	1	-	9	63	243
			2

Língua de trabalho

Português

Objetivos

Conhecimento dos principais métodos e princípios computacionais subjacentes à análise e inferência estatística modernas e aplicação à análise de vários tipos de dados.

Resultados de aprendizagem e competências

Ao completar esta unidade curricular, o estudante deverá:

- possuir uma compreensão prática de vários métodos computacionais, em particular saber como essas ferramentas podem ser usadas na análise estatística de diferentes tipos de dados;

- conhecer os fundamentos teóricos dos métodos computacionais mais relevantes, como os métodos de Monte Carlo, possibilitando a sua utilização no desenvolvimento de métodos estatísticos e modelos de inferência;

- ser capaz de implementar ferramentas computacionais por meio de software e linguagens adequados, como o R.

Modo de trabalho

Presencial

Programa

Revisão de alguns conceitos e princípios fundamentais da inferência estatística e uma introdução à inferência computacional.

Métodos de bootstrap e jackknife. Testes de permutação.

Estimação da função densidade de probabilidade.

Visualização de dados multivariados.

Integração Monte Carlo. Métodos de Monte Carlo em inferência estatística.

Métodos numéricos em R, incluindo métodos e algoritmos clássicos de estimação.

Bibliografia Obrigatória

Maria L. Rizzo; Statistical computing with R. ISBN: 978-1-4665-5332-3
Gentle, J.E; Elements of Computational Statistics, Springer , 2002

Métodos de ensino e atividades de aprendizagem

Aulas teórico-práticas com exposição dos conteúdos do programa, resolução e discussão de exercícios e problemas relacionados.

Proposta de dois trabalhos de grupo. A discussão dos trabalhos é aberta, todos os estudantes são encorajados a participar.

Software

R project

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	33,30
Trabalho escrito	66,70
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	156,00
Frequência das aulas	63,00
Trabalho escrito	24,00
Total:	243,00

Obtenção de frequência

Trabalhos práticos submetidos nos prazos fixados. Classificação em cada componente de avaliação igual ou superior a 6 valores (0-20 valores).

Fórmula de cálculo da classificação final

A avaliação compreende dois trabalhos/projectos e um exame. A classificação final corresponde à média das classificações obtidas no exame e nos trabalhos.  É exigida classificação mínima de 30% em cada uma das componentes de avaliação.

Melhoria de classificação

A classificação obtida nos trabalhos não é susceptível de melhoria e é apenas válida durante o corrente ano lectivo.

 

Observações

Júri da uc: Margarida Brito e Rita Gaio