Análise Multivariada Aplicada

Objectivos

1. Compreender os dados multivariados e a sua exibição gráfica
2. Aprender a calcular medidas de tendência central, variância e associação de dados multivariados
3. Compreender o significado da combinação linear de variáveis aleatórias
4. Compreender a distribuição normal multivariada e como ela é usada
5. Compreender as propriedades dos vetores médios de amostra e correlação em contextos de dados multivariados
6. Compreender o papel que a correlação parcial pode desempenhar em contextos multivariados
7. Compreender como as técnicas de redução de dados podem ser usadas para gerar uma interpretação mais significativa
8. Aprender a executar a análise de componentes principais
9. Aprender como realizar análise fatorial
10. Aprender como realizar análise de correlação canônica
11. Aprender a executar a análise de clusters
12. Aprender como realizar uma análise discriminante
 

Caracterização geral

Código

200186

Créditos

7.5

Professor responsável

Paulo Jorge Mota de Pinho Gomes

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

  

Bibliografia

- Johnson, R.A., and Wichern, D.W. (2007). Applied Multivariate Statistical Analysis. 6th ed. Prentice Hall, New York
- Everitt, B. and Hothorn, T. (2011). An Introduction to Applied Multivariate Analysis with R, Springer

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 (com e sem software), 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. É igualmente proposto um caderno de exercícios que deverão ser resolvidos com trabalho individual fora das aulas.

Método de avaliação

Avaliação:
1ª época: projeto (40%), exame 1º época (60%)
2ª época: exame final (100%)
 

Conteúdo

1. Noções básicas sobre análise multivariada
2. Medidas de Tendência Central, Dispersão e Associação
3. Combinações Lineares de Variáveis Aleatórias
4. Representação gráfica de dados multivariados
5. Distribuição Normal Multivariada
6. Vetor de médias, correlação amostral e problemas de inferência relacionados
7. Análise discriminante
8. Análise de componentes principais
9. Análise fatorial e análise fatorial ampliada
10. Análise de Correlação Canônica
11. Análise de Clusters (métodos baseados em distâncias)