No quadro abaixo será anotado o conteúdo dado em cada aula do curso.
São indicados os Capítulos e Sessões correspondentes nas referências bibliográficas do curso,
bem como exercícios sugeridos destes livros.
Abaixo da tabela há ainda Atividades Complementares.
Referências
Observação sobre exercícios recomendados os exercícios indicados são compatíveis com o nível e conteúdo do curso.
Se não puder fazer todos, escolha alguns entre os indicados.
B & M | M & L | Online | |||||
---|---|---|---|---|---|---|---|
Data | Conteúdo | Leitura | Exercícios | Leitura | Exercícios | Tópico | |
PARTE I: ESTATÍSTICA DESCRITIVA E ANÁLISE EXPLORATÓRIA DE DADOS | |||||||
12/09 | Informações sobre o curso. Introdução a organização e análise descritiva de dados. Tipos de variáveis (qualitativas nominais e ordinais, quantitativas discretas e contínuas). Demonstração computacional e introdução ao uso do R. | Cap 1 e 2 | – | Cap 1 | — | No material online ver: I . Introduction | |
14/09 | Introdução a organização e análise descritiva de dados (continuação). Variáveis qualitativas: tabelas de frequências, gráficos; variáveis quantitativas: tabelas, gráficos e medidas estatísticas. Box-plot e ramo e folhas. Dados em classes. Média, quartis, mediana. Interpretação de resultados. Demonstração computacional e introdução ao uso do R. | Cap 1 e 2 | Cap 2: 2, 4-7, 9-11 | Cap 1 | Sec 1.4 | Ilustração de uma análise de dados | |
19/09 | Descrição de variáveis através de medidas estatísticas. Gráficos tabelas e medidas adequadas para cada tipo de variável. Medidas de posição, média, moda, mediana, quartis e quantis. Cálculo de medidas para dados brutos e agrupados. | Cap 2 e 3 | Cap 2: 13-14, Cap 3: 2, 4 e 6 | Cap 1 | Sec 1.4 | No material online ver: II. Graphing distributions | |
21/09 | Descrição de variáveis através de medidas estatísticas. Medidas de dispersão: amplitude, amplitude interquartílica, desvio padrão, desvio médio, coeficiente de variação, escores, escore padronizado. Distribuição acumulada empírica e definição genérica de quantis | Cap 3 | Cap 3: 1, 3, 14, 16, 19, 20 | Cap 4 | Sec 4.2: 1 a 3, Sec 4.3: 1 a 6 | No material online ver: III. Summarizing distributions | |
26/09 | Exercícios e exemplos de interpretação de resultados. Análise bivariada: variável qualitativa e quantitativa. | Cap 3, Cap 4, Sec 4.6 | Cap 3: 14, 16, 20, 21, 22, 23, 24, 25, 29, 34, 35 Cap 4: 29 | Cap 1 e 4 | Sec 4.4 1 a 13 | ||
28/09 | Análise bidimensional: qual. vs qual., qual. vs quant. e quant. vs quant.. Transformação de variáveis (BoxCox). Coeficientes de correlação e associação (Pearson Spearman, Chi-quadrado, Contingência). Redução de dimensionalidade através de componentes principais. | Cap 3, 3.6 Cap 4 | Cap 4: 1 a 13 | Cap 5 | ec 5.3: 5 a 10 | No material online ver: IV: Describing bivariate data | |
FIM DA PARTE I | |||||||
PARTE II: PROBABILIDADES | |||||||
03/10 | Introdução a probabilidades: conceitos básicos, definições de probabilidade (classica, frequentista, subjetiva), espaço amostral, eventos equi e não-equiprováveis, espaços amostrais: finitos, infinitos, discretos e contínuos. Probabilidade de eventos contínuos e áreas sobre curvas. Aplicações de probabilidades | Cap 5: 5.1 e 5.2 | Cap 5: 1 a 14 | Cap 2: Sec 2.1 | Sec 2.1: 1 a 5 | ver abaixo sugestão de vídeo | |
05/10 | Probabilidades. Definições e conceitos básicos. Propriedades. Probabilidade da união intersecção, condicional. Eventos mutuamente exclusivos e eventos independentes. | Cap 5: 5.1, 5.2 e 5.3 | Cap 5: 1 a 22 | ver abaixo sugestão de vídeo | |||
10/10 | Probabilidades. discussão de exemplos e conceitos apresentados no vídeo de Peter Donnely. Avaliação por simulação, experimentos Monte Carlo. Teorema de Bayes | Cap 5: 5.4 e 5.4 | Cap 5: 23 a 25; 26 a 36 | ||||
12/10 | Exercícios sobre probabilidades. | Cap 5 | Cap 5: 37 a 45 | ||||
17/10 | revisão e exercícios. | Cap 5 | Cap 5: 46 a 48, 57, 64 | ||||
19/10 | 1a prova | ||||||
24/10 | – | ||||||
26/10 | – | ||||||
31/10 | variáveis aleatórias: conceitos e propriedades. V.A. Discretas e Contínuas. Variáveis aleatórias discretas: Função de probabilidade, função de probabilidade acumulada (distribuição), valor esperado (esperança) e variância. Variáveis aleatórias contínuas: função de densidade de probabilidades, função de probabilidades (acumulada). | Cap 6, 6.1 a 6.5, Cap 7: 7.1 a 7.3 | Cap 6: 1 a 6, 7 a 12 | Cap 7: 1 a 6 | Cap 3: 3.1 | Sec 3.1: 1 a 6 | |
02/11 | feriado | ||||||
07/11 | variáveis aleatórias: revisão de conceitos. Distribuições discretas: uniforme, binomial, geométrica, binomial negativa e hipergeométrica. | Cap 6: 6.6 | Cap 6: 13 a 28 | Cap 3, 3.2 e 3.3 | Sec 3.2: 1 a 7, 3.3: 1 a 6 | Procurar por falácia do jogador (Gambler's fallacy) sobre discussão em sala | |
09/11 | v.a.discretas. Distribuição e Processo de Poisson. Quantis. Exemplos e exercícios sobre distribuições de probabilidades | Cap 6, Sec 6.7 e 6.7 | Cap 6: 29 a 34, 37 a 40, 42, 44, 48, 49, 56 | ver em B&M | Sec 3.4: 1 a 27 | ver complementos abaixo | |
14/11 | exercícios sobre v.a.discretas | ||||||
16/11 | v.a.contínuas - definições, função de densidade e acumulada, cálculo de probabilidades, esperança e variância. Funções de v.a. contínuas: uniforme e exponencial | Cap 7 | Cap 7: 1 a 12 13, 21, 28, 31, | Cap 6, | Sec 6.1: 1 a 5, Sec 6.2: 1 a 6, Sec 6.3: 1 a 24 | ||
21/11 | exercícios e revisão | ||||||
23/11 | 2a prova | ||||||
28/11 | Distribuições contínuas: Weibull, Gamma (7.7.1), Beta, e Normal (7.4.2). Exercícios e exemplos da distribuição normal | Cap 7 | Cap 7: 13 a 20 | Cap 6, Def 6.6 | Sec 6.2: 7, 8, 9, Sec 6.3: 25 a 33 | ver abaixo | |
30/11 | Exercícios distribuição normal. Outras distribuições contínuas. Chi2, t e F | ||||||
PARTE II: INFERÊNCIA ESTATÍSTICA | |||||||
05/12 | Fundamentos de inferência estatística: população, amostra, tipos de amostra, amostra aleatória simples, estatísticas, estimadores e estimativas. Distribuição amostral | Cap 10. Sec 10.1 a 10.9 | 1, 3, 4 a 13 | Cap 7, 7.1 a 7.3 | Sec 7.1: 1 a 2, Sec 7.2: 1 a 5, Sec 7.3: 1 a 7 | ||
07/12 | Cap 10, Sec 10.10 e 10.11. Exercícios. Cap 11: 11.1, 11.3, 11.5. Estimação: métodos de estimação: momentos e máxima verossimilhança | Cap 10:14, 17, 18, 21 a 28, Cap 11: 10 a 13 | Ver B&M | Cap 7. Sec 7.5: 1, 9 a 29, 31 a 34 | |||
12/12 | Cap 11: 11.2, 11.4, 11.6 e 11.7: métodos de mínimos quadrados, propriedades dos estimadores (não tendenciosidade, consistência e eficiência) e intervalos de confiança | Cap 11: 1, 2, 5, 6 a 9, 14 a 21 | Cap 7 e ver B&M | Sec 7.4: 1 a 5 | |||
14/12 | IC (revisao exercícios) e Teste de hipóteses | Cap 11: 11.6, Cap 12: 12.1 a 12.6, 12.8 | Cap 11: 22 a 30, 46; Cap 12: 6 a 13, 16, 1725, 27, 30, 31, 34, 35 | Cap 7, 7.4, Cap 8: 8.1 a 8.4 | Sec 8.1: 1 a 5, Sec 8.2: 1 a 6, Sec 8.3: 1 a 6 | ||
19/12 | |||||||
21/12 | 3a prova |
mtcars
)Códigos em R para cálculos de probabilidade com exemplos vistos na aula.
## DISTRIBUIÇÃO BINOMIAL ## X ~ B(n=20, p=0,12) ## P[X = 3]: dbinom(3, size=20, prob=0.12) ## P[X <= 3]: pbinom(3, size=20, prob=0.12) ## P[X >= 3] 1 - pbinom(2, s=20, p=0.12) # ou.... pbinom(2, s=20, p=0.12, lower=FALSE) ## ## DISTRIBUIÇÃO BINOMIAL NEGATIVA (Pascal) ## X ~ BN(r=3, p=0,12) ## P[X = 20]: dnbinom(3, size=20, prob=0.12) ## P[X <= 20]: pnbinom(20, size=3, prob=0.12) ## ## HIPERGEOMÉTRICA ## (parametrizacao no R é diferente da vista em aula) ## Aula: Populacao: N = 200, r = 24, Amostra: n = 20 ## X ~ HG(N=200, r=25, n=20) ## R : Populacao: m = 24, n = 176, Amostra: k = 20 ## X ~ HG(m=24, n=176, k=20) ## ## P[X = 3]: dhyper(3, m=24, n=176, k=20) ## P[X >= 20]: 1 - phyper(2, m=24, n=176, k=20) ## ou phyper(2, m=24, n=176, k=20, lower=FALSE)
Usar os programas (wx)maxima e R para resolver os exercícios a seguir