Eduardo Bezerra

GCC1625 – Inferência Estatística (2019.1)

causation

Cursos

Localização / Horário

  • Pavilhão de Informática, 1o andar, Lab. 02
  • Dia/horário: 2as-feiras, das 14:30h às 16:25h

Objetivos

Esta disciplina apresenta conceitos relacionados à tarefa de realizar inferências sobre características de uma população no contexto em que não é possível analisar todos os elementos dessa população, mas apenas uma amostra. São apresentados modelos matemáticos e estatísticos usados na compreensão dos fenômenos que ocorrem na natureza. É também nosso propósito capacitar o discente a trabalhar com modelos abstratos e compreender os avanços tecnológicos obtidos por meio da utilização/formulação de modelos estatísticos.

Ementa

Distribuições amostrais. Teorema do Limite Central. Intervalos de confiança. Inferências baseadas em amostra única. Inferências baseadas em duas amostras. Análise de variância (ANOVA), Qui-quadrado. Testes não-paramétricos. Inferência Bayesiana.

Veja também o plano de ensino da disciplina.

Moodle

Todos os alunos regularmente inscritos serão adicionados à disciplina homônima no Moodle, para que possam receber avisos importantes (dia/horário das provas, dúvidas gerais, etc).

 Livros

  1. Introductory Statistics (livro disponibilizado com licença Creative Commons)
  2. Bussab, W. O.; Morettin, P. A.: Estatística Básica, 8ª edição, São Paulo: Saraiva, 2013.

 

Aulas

Veja o plano do curso. Veja também o calendário acadêmico das graduações do CEFET/RJ.

Aula Data Conteúdo Leituras
1 11/fev Logística do curso, plano de aulas, etc (IE00). Revisão: Distribuição Normal (IE01). Normal Distribution: functions in R
2 25/fev Conceitos básicos da Inferência Estatística (IE02),
Lei dos Grandes Números (IE03), Teorema do Limite Central (IE04)		 tcl.R
lln
TLC (data camp)
3  11/mar Distribuições amostrais (IE05)
Distribuição amostral da média – exercício (IE05 exercícios)		 sampling dists
4 18/mar Lab: Sampling Distribution in R
Intervalos de confiança: definições iniciais (IE06)
Lab: Biased and unbiased estimates		 ex03
5 25/mar Intervalos de confiança: amostras grandes (IE07) Pesquisas eleitorais
6  01/abr Intervalos de confiança: amostras pequenas (IE08) Degrees of Freedom; tutorial
7 08/abr Determinação do tamanho da amostra (IE09); Testes de hipóteses: introdução (IE10); teste z sobre uma amostra (IE11).
8 15/abr Teste t sobre uma amostra (IE12); Verificação de normalidade (IE14);
Lab: normality tests
Lab: normality tests
9 29/abr Testes sobre duas amostras (IE13)
Lab: Paired Samples T-test in R
Lab: Unpaired Two-Samples T-test in R
10 06/mai ANOVA (IE15)
11  13/mai Teste qui-quadrado (IE16)
12  20/mai Correlação e regressão linear (IE17)
Lab: Linear Models in R: Plotting Regression Lines
Lab: Multiple Linear Regression in R		  exercícios, ex1data1, ex1data2
13  03/jun Inferência Bayesiana (IE18 – 1a parte)
Artigo: Estimating Probabilities with Bayesian Modeling in Python (notebook)
Exemplo: distribuição binomial
Exemplo: distribuição multinomial
Exemplo: distribuição dirichlet
14  10/jun Inferência Bayesiana (IE18 – 2a parte)
Colab notebook
15  17/jun Reservada para discutir dúvidas sobre o T4
Avaliação do curso: formulário

Vídeos TED Relevantes

Listas de Exercícios

Cada lista de exercícios deve ser realizada individualmente e de próprio punho. Fiquem atentos aos prazos de entrega definidos.

Trabalhos Práticos

  • T1 – Entrega: 23/mar.
  • T2 – Entrega: 08/abr.
  • T3 – Entrega: 19/mai. Dados para a parte 4 do T3.
  • T4 – Entrega:24/jun.

Recursos Recomendados

Livros (além dos definidos no programa do curso)

Livros de interesse geral sobre Estatística

Back to top