Sumários

Aula 1 Módulo II (Modelo Linear)

14 Março 2024, 16:30 • Jorge Filipe Campinos Landerset Cadima

[Slides 1-38] Introdução. Programa e Bibliografia. Exemplos motivadores. Considerações gerais sobre modelação estatística. O Modelo Linear e a sua importância. Revisão da Regressão Linear Simples: fórmulas; critério; interpretação e unidades dos parâmetros; propriedades. Um pouco de História sobre a Regressão Linear Simples. As 3 Somas de Quadrados, a sua interpretação e relação. O Coeficiente de Determinação: definição e propriedades. A Regressão Linear Simples no R.


Aula leccionada no dia 4/4/24 16h30-18h30 (Sala Edif. Sertório do Monte Pereira + Zoom/Colibri)

6ª Aula (Módulo I)

8 Março 2024, 14:00 • Manuela Neves

 Intervalos de confiança para os parâmetros usuais em uma e duas populações. Interpretação no R.

Testes de hipóteses paramétricos. 

Utilização do R. Testes de ajustamento - o teste de Shapiro-Wilk

Aula leccionada no dia 25 de Março por acordo com os alunos

5ª Aula (Módulo I)

7 Março 2024, 16:30 • Manuela Neves

Propriedades dos estimadores: estimador centrado com variância mínima. 
Métodos de determinação dos estimadores: o método da máxima verosimilhança.
Inferência Estatística.
A construção e a interpretação de intervalos de confiança. Intervalos de confiança para o valor médio
Recurso ao R.

Aula leccionada no dia 18 de Março por acordo com os alunos

4ª Aula (Módulo I)

1 Março 2024, 14:00 • Manuela Neves

Continuação do estudo dos modelos contínuos: o modelo normal. 
Propriedades, cálculo de probabilidade, densidade, quantis e geração de valores aleatórios seguindo uma dada lei, usando funções já definidas no R. A soma de normais independentes e semelhantes, o Teorema Limite Central, ilustração no R. Referência a outros modelos contínuos: o modelo uniforme, o modelo gama e o modelo beta.  Exercícios com apoio do R
A  Inferência Estatística. Noção de amostra aleatória, estimador, estimativa.

Aula leccionada no dia 15 de Março por acordo com os alunos

3ª Aula (Módulo I

29 Fevereiro 2024, 16:30 • Manuela Neves

Variável aleatória, função massa de probabilidade, função densidade de probabilidade e função de distribuição cumulativa, Caracterização e aplicação. Parâmetros de uma variável aleatória e de um par de variáveis aleatórias e suas propriedades.

Os principais modelos de probabilidade discretos e contínuos (revisão): Funções em R para os modelos mais usuais. O modelo uniforme discreto.  O modelo de Bernoulli e binomial  (revisão) , binomial negativa e de Poisson. Estudo das propriedades com apoio do R.

Modelos contínuos: o modelo normal. Propriedades, cálculo de probabilidade, densidade, quantis e geração de valores aleatórios seguindo uma dada lei, usando funções já definidas no R para os modelos mais usuais.  Exercícios com apoio do R

Aula leccionada no dia 12 de Março por acordo com os alunos