Saltar para:
Logótipo
This page in english Ajuda Autenticar-se
Formação regular da Biblioteca |fevereiro a maio
Você está em: Início > EIC0105
Autenticação




Mapa das Instalações
Edifício A (Administração) Edifício B (Aulas) - Bloco I Edifício B (Aulas) - Bloco II Edifício B (Aulas) - Bloco III Edifício B (Aulas) - Bloco IV Edifício C (Biblioteca) Edifício D (CICA) Edifício E (Química) Edifício F (Minas e Metalurgia) Edifício F (Minas e Metalurgia) Edifício G (Civil) Edifício H (Civil) Edifício I (Electrotecnia) Edifício J (Electrotecnia) Edifício K (Pavilhão FCNAUP) Edifício L (Mecânica) Edifício M (Mecânica) Edifício N (Garagem) Edifício O (Cafetaria) Edifício P (Cantina) Edifício Q (Central de Gases) Edifício R (Laboratório de Engenharia do Ambiente) Edifício S (INESC) Edifício T (Torre do INEGI) Edifício U (Nave do INEGI) Edifício X (Associação de Estudantes)

Métodos Estatísticos

Código: EIC0105     Sigla: MEST

Áreas Científicas
Classificação Área Científica
OFICIAL Matemática

Ocorrência: 2018/2019 - 2S Ícone do Moodle

Ativa? Sim
Unidade Responsável: Departamento de Engenharia e Gestão Industrial
Curso/CE Responsável: Mestrado Integrado em Engenharia Informática e Computação

Ciclos de Estudo/Cursos

Sigla Nº de Estudantes Plano de Estudos Anos Curriculares Créditos UCN Créditos ECTS Horas de Contacto Horas Totais
MIEIC 215 Plano de estudos a partir de 2009/10 1 - 4,5 56 121,5

Docência - Responsabilidades

Docente Responsabilidade
António Miguel da Fonseca Fernandes Gomes Regente
Mais informaçõesA ficha foi alterada no dia 2019-02-05.

Campos alterados: Fórmula de cálculo da classificação final, Componentes de Avaliação e Ocupação, Melhoria de classificação

Língua de trabalho

Português

Objetivos

Garantir que os alunos adquiram uma visão integrada de conceitos e técnicas básicas da Estatística no âmbito do curso de Engenharia Informática.

Resultados de aprendizagem e competências

No final da unidade curricular, os estudantes devem ser capazes de:

- utilizar métodos para explorar, sumarizar e apresentar dados;

- utilizar métodos de inferência estatística.

Modo de trabalho

Presencial

Programa


  1. INTRODUÇÃO: Dados e Observações. Populações e Amostras. Método de Análise Estatística.

  2. ESTATÍSTICA DESCRITIVA: Tipos de Dados e Escalas. Caracterização e Representação de Dados Categóricos, Quantitativos e Bivariados.

  3. PROBABILIDADES: Experiências aleatórias, Espaços Amostrais e Acontecimentos. Probabilidade, Probabilidade Condicional e Acontecimentos Independentes. Teoremas da Probabilidade Total e de Bayes.

  4. VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE: Variáveis Aleatórias. Variáveis Aleatórias Discretas e Contínuas. Função de Probabilidade, de Densidade de Probabilidade e de Distribuição. Parâmetros Populacionais. Distribuições Conjuntas de Probabilidade. Independência entre Variáveis. Covariância e Correlação. Variáveis Transformadas.

  5. PRINCIPAIS DISTRIBUIÇÕES DISCRETAS e CONTÍNUAS: Distribuições Binomial, Binomial Negativa, Hipergeométrica e Poisson. Distribuições Uniforme, Exponencial Negativa e Normal. Distribuições Qui-quadrado, t e F.

  6. AMOSTRAGEM E DISTRIBUIÇÕES AMOSTRAIS: Amostragem e Amostragem Aleatória. Distribuições de Estatísticas Amostrais. Teorema do Limite Central. Geração de Varáveis Aleatórias. 

  7. ESTIMAÇÃO E INTERVALOS DE CONFIANÇA: Estimadores e Estimativas. Conceito de Intervalo de Confiança. Intervalos de Confiança envolvendo Valores Esperados, Variâncias e Proporções. Dimensionamento de Amostras.

  8. TESTE DE HIPÓTESES: Lógica e Âmbito da Inferência Estatística. Especificação de Teste de Hipóteses. Nível de Significância e Potência do Teste (Erros Tipo I e Tipo II). Relação entre Teste de Hipóteses e Intervalos de Confiança. Testes envolvendo Valores Esperados, Variâncias e Proporções. 

  9. INTRODUÇÃO À REGRESSÃO LINEAR: Modelo de Regressão Linear Simples. Estimação dos Parâmetros da Regressão (MMQ). Inferência aos Parâmetros da Regressão. Previsões baseadas no Modelo de Regressão Linear Simples. Pressupostos da Regressão.

  10. INTRODUÇÃO AO DATA MINING: Principais Conceitos e Aplicações. Utilização do RapidMiner em Análise de Dados.

Bibliografia Obrigatória

A. Miguel Gomes e José F. Oliveira; Estatística - Apontamentos de Apoio às Aulas, 2018
Rui Campos Guimarães e José António Sarsfield Cabral; Estatística, 2ª edição, Verlag Dashofer, 2011. ISBN: 978-989--642-108-3

Bibliografia Complementar

Devore Jay L.; Modern mathematical statistics with applications. ISBN: 978-1-4614-0390-6
Nathan Tintle, Beth L. Chance, George W. Cobb, Allan J. Rossman, Soma Roy, Todd Swanson, Jill VanderStoep; Introduction to Statistical Investigations, Wiley, 2015. ISBN: 978-1-119-15430-3
Wonnacott Thomas H. 1935-; Introductory statistics. ISBN: 0-471-51733-X

Métodos de ensino e atividades de aprendizagem

Aulas Teórico: exposição dos conceitos relativos aos capítulos do programa, acompanhada por exemplos de aplicação e resolução de exercícios selecionados. Aulas Teórico-Práticas: resolução de problemas selecionados e esclarecimento de dúvidas.

Software

RapidMiner

Palavras Chave

Ciências Físicas > Matemática > Teoria das probabilidades
Ciências Físicas > Matemática > Estatística

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação Peso (%)
Exame 70,00
Participação presencial 0,00
Teste 20,00
Trabalho prático ou de projeto 10,00
Total: 100,00

Componentes de Ocupação

Designação Tempo (Horas)
Estudo autónomo 50,00
Frequência das aulas 56,00
Trabalho laboratorial 22,00
Total: 128,00

Obtenção de frequência

Conforme o disposto nas normas gerais de avaliação.

Fórmula de cálculo da classificação final

A classificação final (CF) será obtida pela seguinte fórmula:
   CF = 0.30 AD + 0.70 EF

AD - Avaliação Distribuída:
   AD = 2/3 FA + 1/3 TG

FA - Fichas de Avaliação:
- 6 fichas de avaliação (aulas práticas);
- classificação das fichas de avaliação é obtida pela média das 4 melhores classificações de cada estudante.

TG - Trabalho de Grupo:
Trabalho de Grupo de pequena dimensão baseado numa competição online.

EF - Exame Final
- exame realizado em época de exames.

Para aprovação à unidade curricular, para além de uma classificação final não inferior a 10 valores, é requerida a classificação mínima de 7 valores no exame final.

Avaliação especial (TE, DA, ...)

As avaliações em época especial serão feitas por uma prova escrita.

Melhoria de classificação

Os estudantes poderão optar entre:

 - melhoria conjunta das componentes Fichas de Avaliação (FA) e Exame Final (EF);

 - melhoria apenas da componente Exame Final (EF).

A componente Trabalhos de Grupo (TG) não é passível de melhoria.

Recomendar Página Voltar ao Topo
Copyright 1996-2019 © Faculdade de Engenharia da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2019-05-22 às 16:41:05 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais