Estatística para Ciência de Dados
- Detalhes
- Categoria: Disciplina
- Não
- Este curso introduz os conceitos fundamentais da estatística para a ciência dos dados, incluindo distribuições de probabilidade, técnicas de amostragem, inferência estatística, análise exploratória de dados e ajuste de curvas. Além disso, o curso introduz técnicas de modelagem estatística, incluindo regressão linear e análise de variância, bem como técnicas de análise multivariada, como análise de componentes principais e agrupamento.
- Semestral
Descrição dos instrumentos de avaliação (individuais e de grupo) ¿ testes, trabalhos práticos, relatórios, projetos... respetivas datas de entrega/apresentação... e ponderação na nota final.
Exemplo:
Descrição
Data limite
Ponderação
Primeira Frequência
30-04-2025
40%
Segunda Frequência
11-06-2025
40%
Apresentação de trabalho Fração A
07-05-2025 25%
Apresentação de trabalho Fração B 16-06-2025 25% Participação 10% Adicionalmente poderão ser incluídas informações gerais, como por exemplo, referência ao tipo de acompanhamento a prestar ao estudante na realização dos trabalhos; referências bibliográficas e websites úteis; indicações para a redação de trabalho escrito...
- 1. Introdução à estatística e probabilidade 2. Técnicas de amostragem 3. Inferêcia estatística 4. Análise exploratória de dados 5. Teoria da decisão estatística, testes de hipótese e testes de significância. 6. Teoria das pequenas amostras. Distribuição de "Student" t e distribuição de Qui quadrado. 7. Ajustamento de curvas e o métodos dos mínimos quadrados 8. Modelagem estatística 9. Análise multivariada
- 1. Compreender os conceitos fundamentais de probabilidade e distribuições de probabilidade; 2. Aplicar técnicas de amostragem para coletar e analisar dados; 3. Realizar inferência estatística, incluindo testes de hipóteses e intervalos de confiança; 4. Realizar análise exploratória de dados usando gráficos e medidas estatísticas descritivas; 5. Aplicar técnicas de modelagem estatística, incluindo regressão linear e análise de variância; 6. Aplicar técnicas de análise multivariada, como análise de componentes principais e clustering.
- Obrigatório
- A metodologia de ensino será baseada em aulas expositivas, com exemplos práticos e exercícios, além de uso de softwares de análise de dados (e.g. R Commander ou o Jamovi). Os alunos também serão incentivados a desenvolver projetos práticos, envolvendo análise de dados reais, com foco em interpretação e comunicação dos resultados. A avaliação será baseada em trabalhos individuais e em grupo, além de dois testes. Os alunos também serão avaliados na sua capacidade de aplicar conceitos estatísticos a problemas reais e na sua capacidade de comunicar resultados da análise de dados de forma clara e concisa com a terminologia técnica adequada.
- Português
- James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning: with applications in R. Springer. Steele, B., Chandler, J., & Reddy, S. (2018). Statistics for data science: A comprehensive introduction. O'Reilly Media, Inc. Gelman, A., & Hill, J. (2006). Data analysis using regression and multilevel/hierarchical models. Cambridge University Press.
- 4
- 0
- 6
- 1
- IPLUSO6382-23558
- Estatística para Ciência de Dados
- 23558
- 6382
- Aplicações Informáticas para Ciências de Dados (T) (IPLUSO)
