Métodos Computacionais em Estatística
Objetivos
Nesta Unidade Curricular pretende-se que o aluno obtenha competências de utilização do software R Project, adequado a análises estatísticas complexas e que permite a gestão de bases de dados de grandes dimensões.
A aquisição destas competências é fundamental para as UCs que se seguem no decorrer do curso.
Caracterização geral
Código
12226
Créditos
3.0
Professor responsável
Gracinda Rita Diogo Guerreiro
Horas
Semanais - 2
Totais - 38
Idioma de ensino
Português
Pré-requisitos
Não tem requisitos.
A Unidade Curricular é acessível a qualquer aluno do 1º ciclo de estudos.
Bibliografia
Dalgaard, P. (2008), Introductory Statistics with R, Springer-Verlag, New York
Everitt, B.S., Hothorn, T. (2010), A Handbook of Statistical Analysis using R, CRC Press, Chapman & Hall
Figueiredo, F., Figueiredo, A., Ramos, A., Teles, P. (2009), Estatística Descritiva e Probabilidades – Problemas resolvidos e propostos com aplicações em R, Escolar Editora.
Venables, W.N., Smith, D.M., R Core Team, (2018), An Introduction to R - Notes on R: A Programming Environment for Data Analysis and Graphics, CRAN.R-Project
Método de ensino
O método de ensino utilizado nesta unidade curricular pode ser resumido como se segue:
-Numa primeira vertente, os temas são introduzidos através de uma exposição oral, cujo principal objectivo é motivar no aluno o interesse pelo estudo desse assunto, ao mesmo tempo que se chama a atenção para os aspectos importantes da matéria em estudo. A exposição oral é feita tradicionalmente no quadro com apoio de "slides".
-Numa segunda vertente são propostos e corrigidos exercícios computacionais e são tiradas dúvidas.
-Numa terceira vertente é realizada uma avaliação contínua com dois trabalhos práticos (um individual e um em grupo), a realizar durante o semestre.
-A quarta vertente são as aulas práticas computacionais, que têm como objectivo a preparação prática dos alunos relativamente ao software R Project.
Método de avaliação
REGRAS DE AVALIAÇÃO
Obtenção de Frequência
Para obter frequência à disciplina, em 2021/2022, é necessário que o aluno tenha assistido a, pelo menos, 2/3 das aulas teórico práticas.
Avaliação
A obtenção de frequência é obrigatória para efeitos de realização das provas de avaliação.
A avaliação de conhecimentos da unidade curricular de Métodos Computacionais em Estatística é constituída por 2 elementos de avaliação:
- 1 Teste (T) e um Trabalho Prático (TP) a realizar durante o semestre. O Teste será individual, com duração de 90 minutos, realizado presencialmente. O TP será um trabalho de grupo computacional, a resolver fora das aulas.
A não comparência numa avaliação traduz-se numa classificação de 0 valores nessa avaliação.
Aprovação em Época Normal
Considerando NT e NTP as notas obtidas no Teste e no Trabalho Prático, respectivamente, considera-se que um aluno obtém aprovação na unidade curricular se verificar simultaneamente as seguintes condições:
- Classificação no Teste: T >= 7,5 valores.
- Nota Época Normal: EN = 0,7 T + 0,3 TP >= 9,5 valores.
Aprovação em Época de Recurso
Poderá apresentar-se a Avaliação de Recurso todo o aluno que tenha obtido frequência à unidade curricular.
A Avaliação de Recurso consistirá num Exame Computacional, individual, a realizar em Laboratório Computacional, com a duração de 3h.
A Nota da Avaliação de Recurso, NER, será obtida por:
NER=max(NER , 0.7xNER+0.3xTP)
Melhorias e Defesas de Nota
O aluno que pretenda apresentar-se a exame de melhoria de nota deve inscrever-se, para esse efeito, na Repartição Académica. A Melhoria de Nota pode ser efectuada em Época de Recurso.
Se o aluno obtiver uma classificação final superior a 18 valores, poderá optar entre ficar com a classificação de 18 valores ou realizar uma prova complementar para defesa de nota.
Conteúdo
1 Introdução ao R
1.1 O que é o R
1.2 Instalação do R
1.3 Ajuda e documentação do R
1.4 Os Packages do R
1.5 Objetos em R
1.6 Importação e Exportação de Dados em R
1.7 Manipulação de Dados em R
1.8 Programação em R
2 Estatísticas Descritivas com R
2.1 Tabelas de Frequências Absolutas e Relativas
2.2 Medidas de Localização e Dispersão
2.3 Medidas de Assimetria
2.4 Medidas de Achatamento
2.5 Deteção de Outliers
3 Análise de Dados com recurso a gráficos
3.1 Gráficos de Dispersão
3.2 Gráficos de Barras
3.3 Diagramas Circulares
3.4 Diagramas de Caixa-de-Bigodes
3.5 Diagramas de Caule-e-Folhas
3.6 Histogramas
3.7 Polígonos de Frequências
4 Cálculo de Probabilidades com R
4.1 Cálculo Combinatório
4.2 Regra de Laplace
4.3 A Distribuição Binomial
4.4 A Distribuição Normal
5 Análises Estatísticas Elementares de conjuntos de dados