Análise e Tratamento Computacional na Agroindústria
Objetivos
No final desta unidade curricular o estudante terá adquirido conhecimentos, aptidões e competências que lhe permitam:
- Compreender a leitura de um relatório técnico onde exista informação apresentada e/ou trabalhada por análise e modelação estatística;
- Ser capaz de sintetizar informação, qualitativa e quantitativa, de uma tabela de dados, sendo capaz de proceder a interpretações e à retirada de conclusões;
- Entender a relação bi- ou multivariada de tabelas de dados, saber analisar redundâncias e lacunas de informação;
- Distinguir várias sub-populações de uma amostra, e utilizar ferramentas adequadas para a geração de sub-conjuntos de dados;
- Saber analisar séries de dados de acordo com os princípios da estatística paramétrica e não-paramétrica;
- Saber aplicar ferramentas de análise de dados na plataforma R, nomeadamente importar dados e extrair relatórios.
Caracterização geral
Código
13193
Créditos
3.0
Professor responsável
Sofia Verónica Trindade Barbosa
Horas
Semanais - A disponibilizar brevemente
Totais - 58
Idioma de ensino
Português
Pré-requisitos
A disponibilizar brevemente
Bibliografia
Gotelli, N.J., Ellison, A.M. (2004) A Primer Of Ecological Statistics, Sinauer Associates Inc, 511pp.
McGarigal, K., Cushman, S., Stafford, S. (2000) Multivariate Statistics for Wildlife and Ecology Research, Springer, 283 pp.
Plant, R.E. (2012) Spatial Data Analysis in Ecology and Agriculture Using R, CRC Press.
Ares, G. (2013). Mathematical and Statistical Methods in Food Science and Technology. John Wiley & Sons, Ltd. Online ISBN:9781118434635 |DOI:10.1002/9781118434635
Bower, J. A. (2013) Statistical Methods for Food Science: Introductory Procedures for the Food Practitioner. John Wiley & Sons, Ltd. Print ISBN:9781118541647 |Online ISBN:9781118541593 |DOI:10.1002/9781118541593
Jain, H.K. et al (2022). Textbook of Agricult. Statistics. Publisher: Narendra Publishing House, Rohini, Delhi - 110085ISBN: 9789389996340
Método de ensino
O modelo de ensino adotado é de tipo teórico e prático com: i) aulas teóricas e práticas com apoio multimédia; ii) aulas práticas de análise e processamento de dados em ambiente R em laboratório informático; desenvolvimento de aplicações sobre casos de estudo reais.
Método de avaliação
A avaliação é preferencialmente do tipo contínuo, mas, alternativamente, poderá ser realizada pelo exame clássico. O modelo de avaliação contínuo é constituído por dois testes escritos para os algoritmos e métodos (que representam 25% + 25% da nota final) e um relatório feito por grupos de dois alunos com aplicação a um caso de estudo real (50% restantes). Alternativamente, e apenas para a componente teórica, os alunos podem optar pelo exame final, onde também podem fazer melhoria da nota dos testes. A frequência é obtida por assistência a 2/3 das aulas práticas.
Conteúdo
Revisões de análise estatística e teoria das probabilidades. Visualização gráfica de dados. Variáveis categóricas e contínuas. Variáveis auxiliares. Estatísticas univariadas e bivariadas. Posição central, dispersão, assimetria e kurtose. Frequências. Correlação e similitude.
Probabilidade. Incerteza. Variáveis aleatórias. Estatística Paramétrica e Não-Paramétrica. Leis de distribuição de probabilidades. Lei Binomial e de Poisson. Lei Normal. Testes de hipóteses. Testes de hipóteses não-paramétricos.Simulação de Monte Carlo.
Regressão linear e múltipla. Modelos lineares generalizados. Abordagem espacio-temporal. Curvas de crescimento.
Análise multivariada. Métodos de Análise Factorial. Análise em Componentes Principais.
Modelos de classificação. Classificação ascendente hierárquica e classificação não hierárquica (K-means).
Análise de variância (ANOVA e MANOVA).
Introdução ao ambiente R. Importação e exportação de dados. Tipos de objetos em R. Aplicações em análise estística de séries de dados paramétricas e não paramétricas. Representação gráfica de resultados.