Estatística Aplicada
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Matemática |
Ocorrência: 2023/2024 - 1S ![Requerida a integração com o Moodle Ícone do Moodle](/fcup/pt/imagens/MoodleIcon)
Ciclos de Estudo/Cursos
Docência - Responsabilidades
Língua de trabalho
Inglês
Objetivos
1. Capacitar o aluno para análises de regressão envolvendo respostas pertencentes à família exponencial (modelos lineares generalizados)
2. Implementar análises estatísticas num software adequado
3. Promover o espírito crítico num processo de análise de dados (recolha de dados, modelação, interpretação dos resultados, ...)
Resultados de aprendizagem e competências
No final da unidade curricular, pretende-se que os estudantes:
a) adquiram conhecimentos sobre a recolha organizada de informação
b) aprendam técnicas e modelos estatísticos comummente usados no tratamento de dados
c) saibam escolher corretamente os modelos estatísticos aprendidos a problemas concretos
d) saibam aplicar e implementar os modelos estudados em R
e) adquiram espírito crítico e capacidade de interpretação dos resultados obtidos.
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
0. Breve revisão sobre técnicas base de inferência. estatística - intervalos de confiança e testes de hipóteses
1- Introdução à linguagem de programação em ambiente de software R.
2. Correlação de Pearson e correlação de Spearman.
3. Regressão linear simples.
4. Regressão linear múltipla. Modelo, estimação de parâmetros, testes de hipóteses sobre parâmetros, intervalos de confiança, intervalos de predição, coeficiente de determinação, multicolinearidade, métodos de selecção de modelos, comparação de modelos, diagnóstico e análise de resíduos.
5*. Análise da variância - ANOVA: 1 e 2 factores.
6*. Modelos lineares generalizados. Regressão logística.
*Será apenas estudado um assunto, de entre 5. e 6.
Bibliografia Obrigatória
Rita Gaio; Apontamentos
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
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
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 R.
Software
R
Palavras Chave
Ciências Físicas > Matemática > Estatística
Tipo de avaliação
Avaliação distribuída com exame final
Componentes de Avaliação
Designação |
Peso (%) |
Exame |
75,00 |
Trabalho prático ou de projeto |
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
Sem requisitos.
Fórmula de cálculo da classificação final
Avaliação por exame final e trabalho opcional.
1. Há exame na época normal e na época de recurso, dividido em duas partes com igual valor;
2. Há um teste a meio do semestre que pode substituir a segunda parte do exame (relativo à primeira parte da matéria);
3. A nota obtida no trabalho não pode ser melhorada;
4. Fórmula 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, a qual 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 e possibilidade de fazer o teste. Possibilidade de realizar o trabalho. A fórmula de avaliação é a mesma (ver acima).