Statistics for Enterprise Data Analysis

Objectivos

Esta unidade curricular visa fornecer aos estudantes conhecimentos teóricos e práticos sobre metodologias de síntese de dados e inferência estatística paramétrica. Os estudantes irão explorar os princípios fundamentais da estatística, tanto da perspetiva conceptual como aplicada. Os estudantes irão adquirir competências relacionadas com estatística descritiva, variáveis aleatórias, amostragem, intervalos de confiança, testes de hipóteses, regressão linear e modelos lineares para séries temporais. Os estudantes irão compreender claramente as condições de aplicabilidade de cada procedimento. Os conceitos e princípios serão aplicados e discutidos usando o ambiente, funções e visualizações do Rcom base em conceitos do mundo real aplicáveis a muitos sectores institucionais e empresariais, incluindo saúde, comércio, desporto, seguros, etc.

Caracterização geral

Código

400089

Créditos

7.5

Professor responsável

Jorge Morais Mendes

Horas

Semanais - A disponibilizar brevemente

Totais - A disponibilizar brevemente

Idioma de ensino

Português. No caso de existirem alunos de Erasmus, as aulas serão leccionadas em Inglês

Pré-requisitos

NA

Bibliografia

  • Kutner, M.H., Nachtsheim, C.J., Neter, J., Li,W. (2004) Applied Linear Statistical Models, 5th edition,  McGraw-Hill.
  • Lock, Robin, H., Lock, P. F., Morgan, K.L., Lock, E.F., Lock, D.F. (2017) Statistics: unlocking the power of data. Second edition, Wiley.
  • Shumway, R.H., Stoffer, D.S. Time Series Analysis and its Applications with Examples in R, 3rd edition, Springer, 2011

Método de ensino

A unidade curricular é baseada em aulas teóricas e práticas. Serão aplicadas diversas estratégias de ensino, incluindo exposição e demonstrações com apresentação de slides, aplicações passo a passo usando o R, perguntas e respostas. As sessões incluem apresentação de conceitos e metodologias, resolução de exemplos, discussão e interpretação de resultados. A componente prática está orientada para a resolução de problemas e exercícios, incluindo a discussão e interpretação de resultados.

Método de avaliação

1ª época: Projeto (40%) + Exame final (60%).

2ª época: Projeto (40%) + Exame final (60%).

Conteúdo

A unidade curricular está organizada em 3 Unidades de Aprendizagem (UA):

UA1. Fundamentos de Estatística para a Ciência dos Dados

  • Introdução à estatística
  • Organização da informação
  • Distribuições de frequência
  • Estatísticas descritivas
  • Deteção de outliers
  • Variáveis qualitativas e quantitativa
  • Distribuições por amostragem
  • Estimação por intervalos
  • Testes de hipóteses

UA2. Modelo regressão linear

  • Introdução
  • O modelo de regressão linear simples: definição, estimação, inferência, qualidade.
  • O modelo de regressão linear múltipla: definição, estimação, inferência, qualidade.
  • Outros aspetos relevantes no modelo de regressão linear

UA3. Modelos lineares de séries temporais

  • Introdução e conceitos básicos
  • Modelos AR
  • Modelos MA
  • Modelos ARMA
  • Modelos não estacionários e sazonais (ARIMA e SARIMA)
  • Avaliação e diagnóstico

Cursos

Cursos onde a unidade curricular é leccionada: