Tópicos de Inferência e Modelação Estatística

Objetivos

Desenvolver competências na análise de situações concretas complexas conduzindo ao uso de modelos estatísticos relevantes.

Aprofundamento dos conceitos fundamentais necessários a uma completa exploração dos modelos estatísticos. 

Caracterização geral

Código

11575

Créditos

6.0

Professor responsável

Luís Pedro Carneiro Ramos

Horas

Semanais - 3

Totais - 69

Idioma de ensino

Português

Pré-requisitos

Os conhecimentos adquiridos nas unidades curriculares introdutórias de Probabilidades e Estatística.

Conhecimentos do modelo das probabilidades de Kolmogorov.

Bibliografia

  • A. Agresti. An Introduction to Categorical Data Analysis. Wiley Series in Probability and Statistics. Wiley, 2007.
  • Gibbons,J.D. and Chakraborti, S. (2010). Nonparametric Statistical Inference, Fifth Edition. CRC Press.
  • Hogg, R.V., McKean, J.W. and Allen T.C. (2013). Introduction to mathematical statistics (7th ed.). Pearson Education, Inc.
  • T. Hothorn and B.S. Everitt. A Handbook of Statistical Analyses Using R. CRC Press, 2006.
  • P. McCullagh and J.A. Nelder. Generalized Linear Models, Second Edition. Chapman & Hall/CRC Monographs on Statistics & Applied Probability. Taylor & Francis, 1989.
  • P. de Jong and G. Z. Heller. Generalized Models for Insurance Data. Cambridge University Press, 2008.
  • MOOD A. M, GRAYBILL F. A. and BOES D. C., Introduction to the Theory Of Statistics, 1974.

Método de ensino

Aulas teóricas-práticas participadas, com exposição oral de matéria e resolução de problemas.

Método de avaliação

 AVALIAÇÃO CONTÍNUA

Aviso: Qualquer fraude no processo de avaliação implica a reprovação no corrente ano lectivo (incluindo a Época Especial) e será participada ao Conselho Directivo para procedimento disciplinar.

A avaliacão contínua será feita por três elementos de avaliação (Ntime, Ttime, ML).

Ntime - Nota do teste do módulo de Tópicos de Inferência e Modelação Estatística

Ttime - Nota do trabalho do módulo de Tópicos de Inferência e Modelação Estatística

ML - Nota do trabalho do módulo de Machine Learning

O aluno obtém aprovação na Unidade Curricular (UC) se fizer os 3 elementos de avaliação e se a média ponderada dos três elementos de avaliação for superior ou igual a 9,5 valores. 

Nota final = 0.6 * Ntime + 0.15 * Ttime + 0.25 * ML

o teste e os trabalhos são classificados numa escala de 0 a 20 valores. 

Datas de avaliação:

Trabalho de ML : entrega a 23 de Outubro

Teste de TIME:  6 de Fevereiro

Trabalho de TIME: entrega a 8 de Fevereiro

 


AVALIAÇÃO NA ÉPOCA DE RECURSO

A avaliação da época de recurso é feita por exame de recurso do módulo de Tópicos de Inferência e modelação estatística, NRtime, e por um trabalho de recurso/melhoria do módulo de Machine Learning, NRml, sendo válida também para melhoria de nota.

O exame e trabalho são classificados numa escala de 0 a 20 valores. O aluno obtém aprovação à UC se a nota de recurso

NR = 0.6*max(Ntime, NRtime) + 0.15*Ttime + 0.25*max(ML, NRml)

for superior ou igual a 9,5 valores.

MELHORIA DE NOTA

Os alunos que pretenderem realizar o exame de recurso, com vista à melhoria de nota, devem, antecipadamente, requerer essa melhoria junto dos serviços académicos.

 

Conteúdo

TÓPICOS DE INFERÊNCIA E MODELAÇÂO ESTATÌSTICA 

1. Introdução à teoria das probabilidades

2. Principais distribuições discretas

3 . Principais distribuições Contínuas

4.     Revisão de conceitos fundamentais de estimação pontual e estimação intervalar

5.     A Família Exponencial de Distribuições

5.1.    A Família Exponencial de um e de vários parâmetros: conceitos fundamentais e resultados base

5.2.    Distribuições na Família Exponencial

5.3.    Estimação na Família Exponencial

6. Testes de Hipóteses

7. Regressão

 

MACHINE LEARNING 

1. Introdução à Aprendizagem automática (Machine Learning).

2. Classificadores lineares.

3. Redes Neuronais: redes ''''feedforward'''', redes de convolução e redes recorrentes.

Cursos

Cursos onde a unidade curricular é leccionada: