Código: 21043
ECTS: 6
Departamento: Departamento de Ciências e Tecnologia
Área Científica: Matemática
Palavras-Chave:
Amílcar Oliveira
Área Científica: Matemática (especialidade: Modelação Estatística).
Correio Eletrónico: amilcar.oliveira@uab.pt
Sinopse:
Os desenvolvimentos computacionais aplicados à Estatística permitem abordagens e a resolução de problemas que outrora seria impraticável. Esta é uma área que tem tido grande crescimento e revela grande utilidade em muitas áreas de aplicações e na investigação. Pretende-se nesta unidade curricular que o estudante obtenha conhecimentos na área da Estatística Computacional com utilização do software R. Para além de uma breve revisão à linguagem R, serão tratados tópicos de introdução à simulação, geração de variáveis aleatórias, aplicações do método de Monte Carlo (MC), Regressão Linear e Análise de Variância.
Competências:
• Descrever e exemplificar a utilização de geradores de números pseudo-aleatórios (NPAs) e de variáveis aleatórias;
• Aplicar o Métodos de Monte Carlo em Inferência Estatística;
• Distinguir os métodos de Reamostragem Bootstrap e Jacknnife;
• Descrever o método dos mínimos quadrados e analisar o grau de associação entre duas variáveis.
• Aplicar a técnica de Análise de Variância na comparação de grupos.
• Resolver problemas no programa R envolvendo os tópicos tratados.
Conteúdos:
1. Introdução à Linguagem R
2. Geração de números pseudo-aleatórios e de variáveis aleatórias
3. Inferência Estatística e Métodos de Monte Carlo
4. Regressão Linear e Análise de Variância
5. Métodos de Reamostragem
Bibliografia:
Metodologias de Ensino:
E-learning
Total de Horas de Trabalho: 156
Total de Horas de Contacto: 26
Avaliação:
O regime de avaliação preferencial é o de avaliação contínua, constituída pela realização de 2/3 e-folios (trabalhos escritos em formato digital), ao longo do semestre letivo, e de um momento final de avaliação presencial (p-fólio), a ter lugar no final do semestre, com peso de, respetivamente, 40% e 60% na classificação final. Os estudantes podem, no entanto, em devido tempo, optar um único momento presencial de avaliação, realizando, então uma prova de Avaliação Final (exame) com o peso de 100%.
Observações:
Pré-requisitos: não aplicável
ECTS: 6
Departamento: Departamento de Ciências e Tecnologia
Área Científica: Matemática
Palavras-Chave:
- Linguagem R
Variáveis aleatórias
Simulação
Reamostragem
Amílcar Oliveira
Área Científica: Matemática (especialidade: Modelação Estatística).
Correio Eletrónico: amilcar.oliveira@uab.pt
Sinopse:
Os desenvolvimentos computacionais aplicados à Estatística permitem abordagens e a resolução de problemas que outrora seria impraticável. Esta é uma área que tem tido grande crescimento e revela grande utilidade em muitas áreas de aplicações e na investigação. Pretende-se nesta unidade curricular que o estudante obtenha conhecimentos na área da Estatística Computacional com utilização do software R. Para além de uma breve revisão à linguagem R, serão tratados tópicos de introdução à simulação, geração de variáveis aleatórias, aplicações do método de Monte Carlo (MC), Regressão Linear e Análise de Variância.
Competências:
• Descrever e exemplificar a utilização de geradores de números pseudo-aleatórios (NPAs) e de variáveis aleatórias;
• Aplicar o Métodos de Monte Carlo em Inferência Estatística;
• Distinguir os métodos de Reamostragem Bootstrap e Jacknnife;
• Descrever o método dos mínimos quadrados e analisar o grau de associação entre duas variáveis.
• Aplicar a técnica de Análise de Variância na comparação de grupos.
• Resolver problemas no programa R envolvendo os tópicos tratados.
Conteúdos:
1. Introdução à Linguagem R
2. Geração de números pseudo-aleatórios e de variáveis aleatórias
3. Inferência Estatística e Métodos de Monte Carlo
4. Regressão Linear e Análise de Variância
5. Métodos de Reamostragem
Bibliografia:
- Oliveira, A., Oliveira, T.A. (2019). Estatística Computacional. Texto de Apoio.
- Maria L. Rizzo (2008): Statistical Computing with R, Chapman and Hall/CRC. ISBN: 9781584885450, ISBN 10: 1584885459.
- Christian P. Robert and George Casella (2010): Introducing Monte Carlo Methods with R, Springer-Verlag . ISBN 978-1-4419-1575-7
- Chiahara, L.M., Hesterberg, T.C. (2011): Mathematical Statistics with Resampling and R, Wiley, ISBN: 978-1-118-02985-5
Metodologias de Ensino:
E-learning
Total de Horas de Trabalho: 156
Total de Horas de Contacto: 26
Avaliação:
O regime de avaliação preferencial é o de avaliação contínua, constituída pela realização de 2/3 e-folios (trabalhos escritos em formato digital), ao longo do semestre letivo, e de um momento final de avaliação presencial (p-fólio), a ter lugar no final do semestre, com peso de, respetivamente, 40% e 60% na classificação final. Os estudantes podem, no entanto, em devido tempo, optar um único momento presencial de avaliação, realizando, então uma prova de Avaliação Final (exame) com o peso de 100%.
Observações:
Pré-requisitos: não aplicável