Estatística Biomédica
Objetivos
Os alunos devem-se familiarizar com conceitos de inferência estatística bayesiana, muito relevantes em análises estatísticas modernas importantes nas ciências da vida e da saúde, e com métodos estatísticos em que a componente espacial do que é estudado é relevante e não pode deixar de ser levada em consideração, de forma a saberem aplicá-los apropriadamente na resolução de problemas concretos da vida real, na análise de dados, estimação e previsão associadas a esses fenómenos.
Caracterização geral
Código
12021
Créditos
4.0
Professor responsável
Isabel Cristina Maciel Natário
Horas
Semanais - 3
Totais - 40
Idioma de ensino
Português
Pré-requisitos
Noções básicas de Análise e noções de nível intermédio de Probabilidades e Estatística.
Bibliografia
Albert J. (2007). Bayesian Computation with R. Springer.
Lee P. (1998). Bayesian Statistics: an introduction. Halsted Press.
Seefeld K & Linder E. (2007). Statistics Using R with Biological
Examples. Department of Mathematics and Statistics, University of
New Hampshire, Durham, New Hampshire USA.
Turkman MAA & Paulino CD. (2015). Estatística Bayesiana Computacional: uma Introdução. Sociedade Portuguesa de Estatística.
Bivand RS & Pebesma EJ & Gómez-Rubio V (2011). Applied Spatial Data Analysis with R. Springer.
Carvalho ML & Natário I (2008). Análise de Dados Espaciais. Sociedade Portuguesa de Estatística.
Gelman A & Carlin JB & Stern HS and Rubin DB (2004). Bayesian Data Analysis. Chapman & Hall/CRC.
Waller LA & Gotway CA (2004). Applied Spatial Statistics for Public Health Data. Wiley.
Método de ensino
A unidade curricular está dividida em 6 unidades de aprendizagem que incluem cada 2-3 vídeos de exposição oral de matéria, de 10-15 minutos, com apresentação de exemplos e complementados por exercícios propostos resolvidos. No final de cada unidade é distribuído um exercício de revisão. No decorrer das unidades são distribuídos dois trabalhos de avaliação que contribuem para a nota final. É disponibilizado horário de atendimento para dúvidas presencial ou via Skype.
Método de avaliação
Dois trabalhos teórico-práticos, com recurso a programção no R, um por cada 3 unidades curriculares (50% + 50%).
Conteúdo
Módulo I – Introdução à estatística Bayesiana
O paradigma Bayesiano
Distribuições a priori e a posteriori
Inferência Bayesiana
Módulo II – Estatística espacial
Dados em áreas
Dados geoestatísticos
Padrões pontuais