Estatística Multivariada
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Estatística e Investigação Operacional |
Ocorrência: 2023/2024 - 1S ![Requerida a integração com o Moodle Ícone do Moodle](/feup/pt/imagens/MoodleIcon)
Ciclos de Estudo/Cursos
Sigla |
Nº de Estudantes |
Plano de Estudos |
Anos Curriculares |
Créditos UCN |
Créditos ECTS |
Horas de Contacto |
Horas Totais |
M.EGI |
74 |
Plano de estudos oficial |
1 |
- |
6 |
45,5 |
162 |
Docência - Responsabilidades
Língua de trabalho
Inglês
Objetivos
Permitir que os estudantes aprofundem conhecimentos sobre o método estatítico ao anível da estatística multivariada. No final da unidade curricular, os estudantes deverão ser capazes de utilizarem os métodos e técnicas estudadas de forma crítica e com autonomia na preparação de decisões.
Resultados de aprendizagem e competências
No final do período lectivo pretende-se que os estudantes sejam capazes de:
- efetuar análises de variância;
- planear e desenhar experiências simples;
- efetuar análises de regressão;
- efetuar análises de componentes principais e análises fatoriais exploratórias;
- efectuar análises de variância multivariadas;
- utilizar folhas de cálculo e pacotes estatísticos na resolução dos problemas mencionados.
Modo de trabalho
Presencial
Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)
Conhecimentos sobre o método estatístico, incluindo: estatística descritiva e inferência estatística.
Programa
- INTRODUÇÃO: Introdução à Estatística Multivariada.
- ANÁLISE DE VARIÂNCIA (ANOVA): Introdução. Modelo ANOVA com 1 Fator (Efeitos Fixos e Efeitos Variáveis, Comparações Múltiplas), Modelo ANOVA com 2 Fatores (Efeitos Fixos e Efeitos Variáveis, Interação entre Fatores). Extensão a Fatores Adicionais. Pressupostos do Modelo ANOVA.
- DESENHO DE EXPERIÊNCIAS: Introdução ao Planeamento e Desenho de Experiências. Randomização e Replicação. Planos Fatoriais a Dois Níveis (Completos e Fraccionados).
- REGRESSÃO MÚLTIPLA: Introdução. Regressão Linear Simples e Múltipla (Estimação de Parâmetros, Inferência sobre Parâmetros, Selecção de Regressores, Previsões baseadas no Modelo de Regressão Linear Simples e Múltipla, Regressores Qualitativos, Colineariedade). Pressupostos e Análise de Resíduos. Regressão Linear com Transformação de Variáveis.
- ANÁLISE DE COMPONENTES PRINCIPAIS E ANÁLISE FATORIAL EXPLORATÓRIA: Fatores e Componentes Principais (Representação Gráfica e Matemática). Análise de Componentes Principais. Análise Fatorial Exploratória. Identificação de Fatores e Componentes Principais (Valores Próprios e "Scree Plot"). Rotação de Fatores e Componentes Principais. Interpretação.
- ANÁLISE DE VARIÂNCIA MULTIVARIADA (MANOVA): Teoria e Aplicações. Análise de Variância Multivariada. Pressupostos. Análise "Follow-up". Interpretação.
Bibliografia Obrigatória
Joseph F. Hair, Jr., ... [et al.];
Multivariate data analysis. ISBN: 978-0-13-515309-3
Armando Leitão; Nonparametric tests, Analysis of Variance, Factorial Experimentation (Apontamentos disponíveis no Moodle)
David Diez, Mine Çetinkaya-Rundel, Christopher Barr;
OpenIntro Statistics, OpenIntro, 2022 ((https://leanpub.com/os))
Bibliografia Complementar
Douglas C. Montgomery, George C. Runger;
Applied Statistics and Probability for Engineers, Wiley, 2014. ISBN: 978-1-118-74412-3
Andy Field;
Discovering Statistics using IBM SPSS Statistics, SAGE, 2013. ISBN: 978-1446249178
Rui Campos Guimarães, José A. Sarsfield Cabral;
Estatística. ISBN: 978-989-642-108-3
Métodos de ensino e atividades de aprendizagem
Os conceitos e as técnicas são introduzidos recorrendo sistematicamente a exemplos, pretendendo-se, deste modo, que os alunos os apreendam através do contacto com problemas concretos. O processo de aprendizagem é complementado com sessões de resolução de problemas, com o apoio de computadores, e com a realização de um trabalho de grupo.
Software
Folhas de Cálculo
SPSS
python
Palavras Chave
Ciências Físicas > Matemática > Estatística
Tipo de avaliação
Avaliação distribuída com exame final
Componentes de Avaliação
Designação |
Peso (%) |
Exame |
70,00 |
Teste |
30,00 |
Total: |
100,00 |
Componentes de Ocupação
Designação |
Tempo (Horas) |
Elaboração de projeto |
30,00 |
Estudo autónomo |
86,50 |
Frequência das aulas |
45,50 |
Total: |
162,00 |
Obtenção de frequência
Para terem frequência à unidade curricular os estudantes deverão obter a classificação mínima de 7 valores (em 20) na componente de avaliação distribuída (testes intermédios).
Para além do requisito anterior, para terem frequência a esta unidade curricular os estudantes devem cumprir o disposto nas normas gerais de avaliação da FEUP.
Fórmula de cálculo da classificação final
A classificação final (CF) será obtida pela seguinte fórmula:
CF = Máximo( 0.30 AD + 0.70 EF; EF )
AD - Avaliação Distribuída:
AD = 0.5 x TI1 + 0.5 x TI2
TI1, TI2 - Testes Intermédios
EF - Exame Final (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 exame.
Melhoria de classificação
Os estudantes poderão optar entre:
- melhoria global (exame + avaliação distribuída) por exame de melhoria escrito com duas partes;
- melhoria só da componente exame por exame de melhoria só com uma parte.