Estatística Computacional

Código:

M4142

Sigla:

M4142

Nível:

400

Áreas Científicas
Classificação	Área Científica
OFICIAL	Matemática

Ocorrência: 2025/2026 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Matemática
Curso/CE Responsável:	Mestrado em 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
M:ECAD	19	Plano Oficial do ano letivo 2021/2022	1	-	9	63	243
M:ENM	3	Plano de Estudos Oficial a partir de 2023/2024	1	-	9	63	243
			2

Língua de trabalho

Português - Suitable for English-speaking students

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

Introdução: a inferência estatística e a inferência computacional.

Introdução à linguagem R. 

Visualização de dados multivariados.

Métodos de Monte Carlo em inferência estatística.

Métodos bootstrap e jackknife. Testes de permutação.

Estimação da função densidade de probabilidade.

Regressão não paramétrica usando, por exemplo, métodos de núcleo, ajustamento polinomial local, ou splines.

Métodos numéricos em R, incluindo métodos e algoritmos clássicos de estimação. Máxima verosimilhança e algoritmo EM.  

Bibliografia Obrigatória

Maria L. Rizzo; Statistical computing with R. ISBN: 978-1-4665-5332-3
Gentle, J.E; Elements of Computational Statistics, Springer , 2002
J. Fan, I. Gijbels ; Local Polynomial Modelling and Its Applications. , Springer, 1996
Christian P. Robert; Introducing monte carlo methods with R. ISBN: 978-14419-1575-7

Métodos de ensino e atividades de aprendizagem

Aulas teórico-práticas com exposição dos conteúdos do programa, resolução e discussão de exercícios e problemas relacionados. As aulas são acompanhadas por material disponibilizado pelas docentes.

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

Software

R project

Palavras Chave

Ciências Físicas > Matemática > Matemática computacional > Modelos computacionais
Ciências Físicas > Matemática > Estatística

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	40,00
Trabalho escrito	60,00
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 pesada das classificações obtidas no exame e nos trabalhos segundo a seguinte fórmula:

0.4*(nota do exame) + 0,.3*(nota do trabalho 1 + nota do trabalho 2).

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: Margarida Brito e Rita Gaio