Disciplina Curricular
Complementos de Estatística e Probabilidade CEP
Mestrado Bolonha em Estatística e Investigação Operacional - 1_MEIO 2018/19
Contextos
Grupo: 1_MEIO 2018/19 > 2º Ciclo > Parte Escolar > Especialização > Investigação Operacional > 742_Mestrado em EIO - Opção 4
Período:
Grupo: 1_MEIO 2018/19 > 2º Ciclo > Parte Escolar > Especialização > Estatística e Investigação Operacional > 742_Mestrado em EIO - Opção 4
Período:
Grupo: 1_MEIO 2018/19 > 2º Ciclo > Parte Escolar > Especialização > Estatística > 742_Mestrado em EIO - Opção 4
Período:
Peso
6.0 (para cálculo da média)
Objectivos
O primeiro objectivo deste curso é o de sistematizar os conhecimentos de Probabilidade e Estatística adquiridos no 1º ano do curso, em disciplinas de carácter mais aplicado, apresentando-os num contexto teórico mais formal. Nomeadamente, tomar conhecimento da teoria subjacente à inferência clássica no contexto assintótico. Pretende-se que os alunos sejam capazes de desenvolver ferramentas de inferência em contextos menos convencionais. A apresentação de métodos iterativos surge como ferramenta essencial para resolução de problemas menos triviais. O segundo objectivo é o de introduzir as ideias e instrumentos básicos da teoria dos processos estocásticos através da modelação de exemplos e aplicações reais. No final do curso o aluno deverá ter desenvolvido a capacidade de compreender e desenvolver análises estatísticas inferenciais não triviais e de modelação de processos estocásticos simples. Sobretudo, terá ganho competência para investigar sobre outras metodologias estatísticas
Programa
-Métodos Baseados Na Verosimilhança: Suficiência; Estimador de Máxima Verosimilhança, obtenção e propriedades; - Métodos Iterativos; Newton Raphson e Algoritmo EM. - Métodos de reamostragem – bootstrap. - Meta-Análise – introdução, importância e noções elementares. - Noções gerais sobre processos estocásticos: definição e tipos; lei de probabilidade; classificações dos processos estocásticos: processos estocásticos com incrementos independentes e estacionários. - Processos de Poisson: axiomáticas; tempos de espera de um processo de Poisson; generalizações do processo de Poisson: processo de Poisson Composto. - Cadeias de Markov a tempo discreto: definições e exemplos. Classificação dos estados; distribuições estacionária e limite.
Métodos de ensino e avaliação
Os conteúdos programáticos são expostos com resurso a slides e/ou notas de aula. Recomendar-se-á também a leitura de alguns capítulos de livros. As aulas práticas (PL) têm lugar imediatamente a seguir às aula teóricas, passando-se à aplicação do anteriormente exposto. Serão realizadas em laboratório, solucionando problemas com resurso a programação (implementação de procedimentos iterativos em linguagem R) e também a ferramentas de inferência disponíveis no programa R. Avaliação será feita por exame, podendo eventualmente ser parcialmente feita for trabalhos.