Iniciação ao estudo da análise de dados estatísticos, teoria da probabilidade e inferência estatística, tendo em vista a compreensão e aplicação dos seus principais conceitos e métodos.
- Representação gráfica de dados estáticos e dinâmicos com recurso ao software R.
- Noção de probabilidade. Probabilidade condicionada e lei da probabilidade total. Teorema de Bayes. Independência.
- Tipos de variáveis aleatórias (discretas e contínuas). Função de distribuição. Função massa de probabilidade e função densidadede probabilidade. Valor esperado, variância e quantis.
- Pares aleatórios e combinação linear de variáveis aleatórias. Teorema do Limite Central.
- Introdução à inferência estatística. Estimação pontual e estimação intervalar.
- Construção de testes de hipóteses no contexto clássico de amostras de observações provenientes de populações com distribuição Normal. Testes de ajustamento.
- Estudo da dependência linear entre duas variáveis aleatórias: regressão linear simples.
As metodologias de ensino pretendem fomentar a aprendizagem baseada em resolução de problemas, reforçando-se a componente prática, a aprendizagem activa, o trabalho autónomo e a responsabilização do estudante.
* Introduction to Probability and Statistics for Engineers and Scientists, Ross, Sheldon M, 2014, 5th ed, Academic Press;
* Probability and Statistics for Data Science: Math + R +, Matloff, N. , 2019, 1st ed., Data Chapman and Hall/CRC;
* Introductory Statistics with R, Dalgaard, P, 2002, Springer;
* A Modern Introduction to Probability and Statistics: Understanding Why and How, Dekking, F.M., Kraaikamp, C., Lopuhaä, H.P.,Meester, L.E., 2005, Springer.
0104073
6
