Análise de Dados Discretos

Caracterização geral

Pré-requisitos

1. Revisão de distribuições de probabilidade discretas: binomial, multinomial e Poisson. O conceito de probabilidade.
2. Testes sobre tabelas. X2 Pearson e de razão de probabilidades.
3. Tabelas de contingência incluindo tabelas 2 × 2 e r × c, testes de independência e homogeneidade de proporções, teste exato de Fisher, odds ratio e logit, outras medidas de associação.
4. Tabelas de três vias em independência total e contextos de independência condicional.
5. Modelos lineares generalizados em regressão de Poisson e contextos de regressão logística para resposta dicotómica, incluindo interpretação de coeficientes, principais efeitos e interações, seleção de modelos, diagnósticos e avaliação da adequação do ajuste.
6. Modelos logit para resposta ordinal e nominal.
7. Modelos Log-lineares (e modelos gráficos) para tabelas multi-way.
8. Medidas repetidas, mínimos quadrados generalizados, modelos mistos
9. Modelos de classe latente e dados omissos.

Bibliografia

- Agresti, A. (2013). Categorical Data Analysis, 3rd Edition, Wiley.

Método de ensino

Evaluation:
1st call: pro ject (40%), first round exam (60%)
2nd call: final exam (100%)

Método de avaliação

Conteúdo

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.
 

Cursos

Cursos onde a unidade curricular é leccionada: