Sumários

Aula 5 TP2A_03

23 Setembro 2024, 11:45 • Joana Amaral Paulo

Conclusão da aula anterior: Gráficos de barras (plt.bar e formatações básicas). Construção de BoxPlot (plt.boxplot(nematodes_df) e plt.show()). Calculo de estatisticas de localização e dispersão (print (ovelhas_df.describe()))
Estat. bivariada: 1.30 (calculos feitos "à mão" e em python). Python: packadge statistics, stat.mean(x) (etc), stat.correlation(x,y), R2, stat.linear_regression(x, y), plt.scatter, plt.plot, plt.xlabel, plt.legend(), plt.show().

Aula prática nº 5 (Turma 1)

23 Setembro 2024, 11:45 • Mariana da Silva Gomes Mota

Estatística descritiva a duas dimensões: RLS, coeficientes de correlação, de regressão e de determinação, cálculo de coeficientes com mudança de variável. Exerc. 1.30 (gestação), resolução manual.

Aula Teórica 3 (T01_02_02A_03)

23 Setembro 2024, 10:00 • Maria João Teixeira Martins

Nuvens de pontos e coeficiente de correlação: Exerc. 1.25. 
Regressão linear simples. Resíduos, método dos mínimos quadrados e suas consequências. Significado da ordenada na origem e do declive da reta dos mínimos quadrados. Coeficiente de determinação da reta e sua relação com o coeficiente de correlação da nuvem de pontos. Exemplo [slides 38 a 46].

Variável aleatória: definição e exemplos.
Massa de probabilidade de uma v.a. discreta [slides 67 a 72].

TPC: Rever probabilidade de acontecimentos (slides 47 a 66). Resolver Exemplo 3 (slides 73, 74)

Aula prática nº 4 (Turma 1)

20 Setembro 2024, 11:00 • Mariana da Silva Gomes Mota

Estatística descritiva a uma dimensão:  agrupamento em classes, tabela de frequências dos dados agrupados em classes, Regra de Sturges, histograma de classes de amplitude constante (revisão do cálculo com software Python, usando o exerc. 1.2b) como exemplo). Revisão do software Python: instalação de packages, elaboração do script. Exerc. 1.20 a), b) e c) histograma, 1.19 a) b) coeficiente de variação, c) boxplot, 1.14 a) e b), 1.17 e 1.10 (resolução com apoio do software Python)

 

Sugestão de script para exerc. 1.10

l0 = [0]*11

l1 = [4.7, 0.6, 17.2, 1.4, 11.2, 1, 3.8, 0.3, 0.5, 7, 3.3, 7.6, 0.9, 0.3, 18.2, 4, 4.6, 22, 15.6, 3.4]

pp = l0+l1

pp.sort()

print(pp)

num_sturges = round(1 + np.log2(len(pp)))

print(num_sturges)

amplitude_classe = (max(pp) - min(pp)) / num_sturges

print(amplitude_classe)

hist_pp = plt.hist(pp,

                         bins=[0,4,8,12,16,20,24],

                         edgecolor='black')

plt.title("Histograma pp")

plt.xlabel("pp ocorrida")

plt.ylabel("Frequência absoluta")

plt.show()

 

ni = hist_pp[0] 

fi = ni / sum(ni) 

Ni = np.cumsum(ni)

Fi = Ni / sum(ni)

nclass = len(ni)

classes = hist_pp[1]

esq = ["]" + str(classes[i]) + "," for i in range(nclass)]

dir = [str(classes[i+1]) + "]" for i in range(nclass)]

tabela_frequencias = pd.DataFrame({'esq':esq, 'dir':dir,'ni': ni,

                                   'fi': fi, 'Fi': Fi, 'Ni': Ni})

print(tabela_frequencias)

pp_df = pd.DataFrame(pp)

pp_df.boxplot()

plt.show()

Aula Prática 4 (TP07)

20 Setembro 2024, 10:30 • Luís António da Silva Borda de Água

Estatística descritiva a duas dimensões: exerc. 1.30 (tempos de gestação). Resolução “manual” do exercício e com o Python: Representação dos dados num gráfico, cálculo das médias, variâncias e covariâncias usando o pacote “statistics”. Regressão linear usando o pacote “scipy”. Leitura de dados a partir de um ficheiro.