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.