Tecnologias de Processamento de Dados na Indústria Alimentar
Objetivos
No final desta unidade curricular o estudante terá adquirido conhecimentos, aptidões e competências que lhe permitam:
- Compreender a leitura de um relatório técnico onde exista informação apresentada e/ou trabalhada por análise e modelação estatística;
- Ser capaz de sintetizar informação, qualitativa e quantitativa, de uma tabela de dados, nomeadamente facilitando a interpretação e a retirada de conclusões;
- Entender a relação bi- ou multivariada de tabelas de dados, analisar redundâncias e lacunas de informação;
- Distinguir várias sub-populações de uma amostra, e utilizer ferramentas adequadas para a geração de sub-conjuntos de dados;
- Gerar imagens de valores estimados de uma propriedade amostrada pontualmente numa area de estudo.
- Saber aplicar ferramentas de análise de dados na plataforma R, nomeadamente importar dados e extraír relatórios.
Caracterização geral
Código
11749
Créditos
3.0
Professor responsável
Sofia Verónica Trindade Barbosa
Horas
Semanais - 3
Totais - 56
Idioma de ensino
Português
Pré-requisitos
Nenhuns em especial.
Bibliografia
[1] Gotelli, N.J., Ellison, A.M. (2004) A Primer Of Ecological Statistics, Sinauer Associates Inc, 511pp.
[2] McGarigal, K., Cushman, S., Stafford, S. (2000) Multivariate Statistics for Wildlife and Ecology Research, Springer, 283 pp.
[3] Plant, R.E. (2012) Spatial Data Analysis in Ecology and Agriculture Using R, CRC Press.
[4] Burkhart, H.E., Tomé, M. (2012) Modeling Forest Trees and Stands, Springer, 457pp.
[5] Isaaks, E.H., Srivastava, R.M., 1989. Applied Geostatistics. Oxford University Press, 561 pp.
Método de ensino
Sessões teóricas e práticas de duas horas cada: i) aulas teóricas com powerpoint ii) aulas práticas em sala de computadores. As explicações teóricas são suportado com exemplos práticos relacionados com o curso de mestrado. As aulas são baseadas na resolução de problemas, tendo como ponto de partida conjuntos de dados realistas que reproduzam situações que os futuros profissionais irão trabalhar.
Método de avaliação
A avaliação é de preferência do tipo contínuo, mas, alternativamente, pode ser feita pelo exame clássico. O modelo de avaliação contínuo é constituído por dois testes escritos para os algoritmos e métodos (que representam 25% + 25% da nota final) e um relatório feito por grupos de dois alunos com a resolução dos problemas práticos resolvidos nas aulas práticas (50% restantes). Alternativamente, e apenas para a componente teórica, os alunos podem optar pelo exame final, onde também podem fazer melhoria da nota dos testes. A frequência é obtida por assistência a 2/3 das aulas práticas.
Conteúdo
Revisões de análise estatística e teoria das probabilidades. Visualização gráfica de dados. Variáveis categóricas e contínuas. Variáveis auxiliares. Estatísticas univariadas e bivariadas. Posição central, dispersão, assimetria e kurtose. Frequências. Correlação e similitude. Probabilidade. Incerteza. Variáveis aleatórias. Leis de distribuição de probabilidades. Lei Binomial e de Poisson. Lei Normal. Testes de hipóteses. Simulação de Monte Carlo. Regressão. Modelos lineares generalizados. Abordagem espacio-temporal. Curvas de crescimento. Análise multivariada. Classificação ascendente hierárquica e classificação não hierárquica (K-means). Análise de variância (ANOVA). Análise em componentes principais. Análise de correspondências. Análise espacial de dados contínuos e modelação. Covariância espacial e variograma. Estimação por krigagem e validação posterior. Introdução ao ambiente R. Importação e exportação de dados. Tipos de objectos em R. Representação gráfica.
Cursos
Cursos onde a unidade curricular é leccionada: