Tópicos de Inferência e Modelação Estatística

Objectivos

Desenvolver competências na análise de situações concretas complexas conduzindo ao uso de modelos estatísticos relevantes.

Aprofundamento dos conceitos fundamentais necessários a uma completa exploração dos modelos estatísticos. 

Caracterização geral

Código

11575

Créditos

6.0

Professor responsável

Frederico Almeida Gião Gonçalves Caeiro

Horas

Semanais - 4

Totais - 69

Idioma de ensino

Português

Pré-requisitos

Os conhecimentos adquiridos nas unidades curriculares introdutórias de Probabilidades e Estatística.

Conhecimentos do modelo das probabilidades de Kolmogorov.

Bibliografia

  • A. Agresti. An Introduction to Categorical Data Analysis. Wiley Series in Probability and Statistics. Wiley, 2007.
  • Gibbons,J.D. and Chakraborti, S. (2010). Nonparametric Statistical Inference, Fifth Edition. CRC Press.
  • Hogg, R.V., McKean, J.W. and Allen T.C. (2013). Introduction to mathematical statistics (7th ed.). Pearson Education, Inc.
  • T. Hothorn and B.S. Everitt. A Handbook of Statistical Analyses Using R. CRC Press, 2006.
  • P. McCullagh and J.A. Nelder. Generalized Linear Models, Second Edition. Chapman & Hall/CRC Monographs on Statistics & Applied Probability. Taylor & Francis, 1989.
  • P. de Jong and G. Z. Heller. Generalized Models for Insurance Data. Cambridge University Press, 2008.
  • MOOD A. M, GRAYBILL F. A. and BOES D. C., Introduction to the Theory Of Statistics, 1974.

Método de ensino

Aulas teóricas-práticas participadas, com exposição oral de matéria e resolução de problemas.

Método de avaliação

 AVALIAÇÃO CONTÍNUA

Aviso: Qualquer fraude no processo de avaliação implica a reprovação no corrente ano lectivo (incluindo a Época Especial) e será participada ao Conselho Directivo para procedimento disciplinar.

A avaliacão contínua será feita por 4 elementos de avaliação (ML1, ML2, IME1, IME2), classificados numa escala de 0 a 20 valores:

ML1 - Nota do 1º trabalho do módulo de Machine Learning

ML2 - Nota do 2º trabalho do módulo de Machine Learning

IME1 - Nota do 1º teste do módulo de Inferência e Modelação Estatística

IME2 - Nota do 2º teste do módulo de Inferência e Modelação Estatística

O aluno obtém aprovação na Unidade Curricular (UC) se fizer os 4 elementos de avaliação e se a média ponderada dos 2 elementos de avaliação de cada módulo for superior ou igual a 9,5 valores. 

Nota final = (ML1 + ML2 + IME1 + IME2) * 0.25

 

Datas de avaliação:

1º Trabalho de ML : entrega a 20 de Outubro

1º Trabalho de ML : entrega a 11 de Novembro

1º Teste de IME: 

2º Teste de IME: 

 


AVALIAÇÃO NA ÉPOCA DE RECURSO

A avaliação da época de recurso é feita por exame de recurso do módulo de Tópicos de Inferência e modelação estatística, TIME, e por um trabalho de recurso/melhoria do módulo de Machine Learning, ML, sendo válida também para melhoria de nota.

O exame e trabalho são classificados numa escala de 0 a 20 valores. O aluno obtém aprovação à UC se TIME e ML foram ambos superiores ou iguais a 9,5 valores. A nota de recurso é dada por

Nota final = 0.5*TIME + 0,5*ML.


MELHORIA DE NOTA

Os alunos que pretenderem realizar o exame de recurso, com vista à melhoria de nota, devem, antecipadamente, requerer essa melhoria junto dos serviços académicos. A avaliação é feita como na época de recurso.

 

Conteúdo

MACHINE LEARNING 

1. Introdução à Aprendizagem automática (Machine Learning).

2. Classificadores lineares.

3. Redes Neuronais: redes ''''''''feedforward'''''''', redes de convolução e redes recorrentes.

 

TÓPICOS DE INFERÊNCIA E MODELAÇÂO ESTATÌSTICA 

1. Conceitos Fundamentais de Probabilidade e Estatística

2. Conceitos Fundamentais de Inferência Estatística

3. Regressão Linear Simples

4. Regressão Linear Múltipla

5. Análise Estatística de Valores Extremos

 

Cursos

Cursos onde a unidade curricular é leccionada: