====== CE-003 Turma O - Segundo semestre de 2012 ====== No quadro abaixo será anotado o conteúdo dado em cada aula do curso. \\ São indicados os Capítulos e Sessões correspondentes nas referências bibliográficas, bem como os exercícios sugeridos. Veja ainda depois da tabela as **Atividades Complementares**. \\ **Referências**\\ * **B & M**: BUSSAB, W.O. & MORETTIN, P.A. (2010) Estatística Básica. **6a Edição**, Editora Saraiva * **M & L**: MAGALHÃES, M.N.; LIMA, A.C.P. [[http://www.ime.usp.br/~noproest|Noções de Probabilidade e Estatística]]. IME/SP. Editora EDUSP. * **WEB** [[http://onlinestatbook.com/2/index.html|Online Statistics: An Interactive Multimedia Course of Study]]: Material online sobre estatística \\ **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. \\ ===== Conteúdos das Aulas ===== ^ ^^ B & M ^^ M & L ^^ Online ^ ^ Data ^ Conteúdo ^ Leitura ^ Exercícios ^Leitura ^ Exercícios ^ Tópico ^ | 31/10 Qua|Informações sobre o curso. Percepções sobre estatística e os fundamentos das três partes deste curso: (i) estatística descritiva, (ii) probabilidades e (iii) inferência estatística |Cap 1 e 2 | -- |Cap 1 | --- |ver abaixo | | PARTE I: PROBABILIDADES ^^^^^^ | | 05/11 Seg|Introdução a probabilidades: experimento aleatório, eventos, espaço amostral, probabilidades. Definições de probabilidade: clássica, frequentista e subjetiva. Definição axiomática. Propriedades e relação com teoria dos conjuntos. Probabilidade Condicional e Independência. |Cap 5, Sec 5.1, 5.2, 5.3 |Cap 5: 1 a 22 |Cap 2, Sec 2.1, 2.2 |Sec 2.1: 1 a 5, Sec 2.2: 1 a 7 |[[http://onlinestatbook.com/2/probability/probability.html|Material Online]]: \\ Probability (Itens A, B, C, D, E). \\ Ver também abaixo | | 07/11 Qua|Introdução a probabilidades: Exercícios. Teorema da probabilidade total e teorema de Bayes |Cap 5, Sec 5.4 |Cap 5: 23 a 25, 26 a 34 |Cap 2 |Sec 2.3: 1 a 15 |[[http://onlinestatbook.com/2/probability/probability.html|Material Online]]: \\ Probability (Itens H, I, J, K) \\ Ver também abaixo | | 12/11 Seg|1a avaliação semanal: Probabilidades (Cap 5 B&M, Cap 2 M&L). Exercícios e revisão | | | | | | | 14/11 Qua|Variáveis aleatórias e variáveis discretas. Distribuições de probabilidades, valor esperado e variância |Cap 6, 6.1 a 6.4 |Cap 6: 1 a 8 |Cap 3, 3.1 |Sec 3.1: 1 a 6 | | | 19/11 Seg|2a avaliação semanal: V.A. contínuas: função de densidade de probabilidades, esperança e variância. Distribuição acumulada (v.a. discretas e contínuas). Distribuições (modelos) para v.a. discretas |Cap 7:7.1, 7.2, 7.3 |Cap 7: 1 a 11 |Cap 6, 6.1 |Sec 6.1: 1 a 5 | | | 21/11 Qua|Exercícios e exemplos adicionais. Distribuições (modelos) para v.a.'s discretas e contínuas: Uniforme (discreta e contínua), exponencial, binomial, geométrica e binomial negativa |Cap 6: Sec 6.5 e 6.6, Cap 7: 7.4.1 e 7.4.3 |Cap 6: 9 a 28, Cap 7: 13, 21, 28, 29, 40, 41 |Cap 3, 3.2 a 3.3, Cap 6, Sec 6.2: Def 6.4 e 6.5 |Sec 3.2: 1 a 7, Sec 3.3: 1 a 6, Sec 6.2: 1 a 6 | | | 26/11 Seg|Distribuições (modelos) para v.a.'s. Hipergeométrica, Poisson e processo de Poisson. Relação entre Processo de Poisson e Exponencial |Cap 6: Sec 6.6.4, 6.6.5, 6.7 |Cap 6: 20 a 28: |Cap 3 |Sec 3.2 e 3.2 | | | 28/11 Qua|3a avaliação semanal. Resolução e revisão. Relação entre exponencial e Poisson | | | | |ver abaixo | | 03/12 Seg|4a avaliação semanal (modelos de distribuições de v.a.'s discretas e contínuas já vistos em aula). Distribuição Normal |Cap 7, 7.2.4 |Cap 7: 14 a 20 |Cap 6, 6.2 Def 6.6 |Sec 6.2: 7, 8, 9 | | | 05/12 Qua|Distribuição normal (cont.), aproximação a binomial e Poisson pela normal, transformação de variáveis (ver B&M), quantis|Cap 7, 7.4.2, 7.5, 7.6 |Cap 7: 22, 23, 24, |Cap 6 |Cap 6, Sec 6.3: 25 a 33 | | | 10/12 Seg|5a avaliação semanal. Distribuição normal (cont) a aplicação. Transformação de variáveis |Cap 7: 7.6 | | | | | | 12/12 Qua|Introdução às cadeias de Markov. Noções de processos estocáticos: exemplos e definição, tempos e estados (discretos e contínuos). Processos de tempo e estados discretos: Cadeia de Markov. Cadeias Finitas, probabilidades de transição, estacionaridade. Matrizes de transição e matrizes estocásticas, transição em M passos, vetor inicial, probabilidades marginais e estados absorventes. | | | | |ver abaixo | | 17/12 Seg|Revisão e dúvidas para 1a prova | | | | | | | 19/12 Qua|1a prova | | | | | | | 21/01 Seg|Revisão e resolução da 1a prova. Apresentação do conjunto de dados e objetivos da próxima parte do curso | | | | |ver abaixo | | PARTE II: ESTATÍSTICA DESCRITIVA E ANÁLISE EXPLORATÓRIA DE DADOS ^^^^^^ | | 23/01 Qua |Introdução a organização e análise descritiva de dados. \\ Tipos de variáveis (qualitativas nominais e ordinais, quantitativas discretas e contínuas). Variáveis qualitativas: tabelas de frequências, gráficos; variáveis quantitativas: tabelas, gráficos e medidas estatísticas. \\ Gráficos tabelas e medidas adequadas para cada tipo de variável. |Cap 1 e 2 |Cap 2: 2, 4-7, 9-11 |Cap 1 |Sec 1.4 |No [[http://onlinestatbook.com/2/index.html|material online]] ver: \\ I . Introduction \\ No [[http://onlinestatbook.com/2/index.html|material online]] ver: \\ II. Graphing distributions| | 28/01 Seg|1a avaliação semanal. Estatística descritiva (cont) Medidas descritivas de posição, dispersão e associação. Gráficos para variáveis qualitaticas e quantitativas: setores, barras, box-plot, histograma, densidade e dispersão. Ilustrações computacionais de análises envolvendo uma ou duas variáveis. |Cap 2, 3 e 4 | | | |{{:disciplinas:ce003o-2012-02:ce003-201101.csv|arquivo de dados}} \\ {{:disciplinas:ce003o-2012-02:desempenho-1.r|arquivo de comandos}} | | 30/01 Seg|--- | | | | | | | 04/02 Seg|**Não será realizada a avaliação semanal**. Estatística descritiva (cont) Medidas descritivas de posição, dispersão e associação. |Cap 2, 3 e 4 | | | | | | 06/02 Qua|Estatística descritiva (cont) Medidas descritivas de posição, dispersão e associação. Exercícios e exemplos.|Cap 2, 3 e 4 | | | | | | 11/02 Seg|Feriado Carnaval | | | | | | | 13/02 Qua|Feriado Carnaval | | | | | | | 18/02 Seg|Avaliação semanal - estatística descritiva | | | | | | | 20/02 Qua|Aula de estudos - ver abaixo indicação de vídeo | | | | | | | PARTE III: INFERÊNCIA ESTATÍSTICA ^^^^^^ | | 25/02 Seg|Introdução a inferência estatística: fundamentos, conceitos básicos, população e amostra. Estimação e incerteza |Cap 10 |Cap 10, 1 a 6 | | |ver vídeos abaixo | | 27/02 Qua|Inferência estatística (cont). Distribuições amostrais. Determinação de tamanho de amostra |Cap 10, Cap 11, 11.1 e 11.2 |Cap 10: 7 a 13, 17 a 20 |Cap 7 | | | | 04/03 Seg|8a avaliação semanal. Resolução e revisão. Intervalos de confiança (média, proporção e média com variância desconhecida) |Cap 11, Sec 11.6 |Cap 10: 21 a 28, Cap 11: 14 a 21 | | | | | 06/03 Qua| | | | | | | | 11/03 Qua| | | | | | | | 13/03 Qua|2a prova | | | | | | ==== Atividades complementares ==== === 29/10 === - //**Material perdisco:**// [[http://www.youtube.com/watch?v=YHXadaW_lso|Vídeo 1: ]] Um vídeo introdutório sobre conceitos e temos básicos em estatística (legenda (CC) disponível) * Guia: * Quais os tópicos principais da apresentação? Descreva cada um deles com suas próprias palavras. * Em cada tópico quais os principais **conceitos**? Identifique os **termos técnicos** e defina cada um deles. * Pense em outros exemplos análogos aos apresentados no vídeo. === 05/11 === * **Agulha de Buffon**: procurar sobre o problema da agulha de Buffon e programar em alguma linguagem de sua escolha. Portar o código na página Espaço Aberto do curso. Verificar a relação do problema com as definições de probabilidades. * //**Material perdisco:**// [[http://www.youtube.com/watch?v=rhOTjLOPWbU&feature=related|Vídeo 4: ]] Introdução a probabilidades === 07/11 === * [[http://www.ted.com/talks/peter_donnelly_shows_how_stats_fool_juries.html|Peter Donelly]] no TED Talks - como estatística e probabilidade podem ser usadas e ... abusadas * **note que voce pode habilitar legendas em inglês, português ou outras línguas, se desejar ** * ** procure anotar as principais mensagens e conceitos da apresentação ** * **se voce tivesse que destacar a descrever 2 (dois) pontos principais da apresentação, quais seriam?** * O conteúdo visto até aqui corresponde ao Capítulo 1 de Dantas (1997) que também pode ser usado para estudo === 12/12 === - Considere a matriz de transição do exemplo da aula. \\ P = \left[\begin{array}{cc} 1/3 & 2/3 \\ 2/3 & 1/3 \end{array}\right] - Obtenha a matriz de transição para 2, 3 e 4 passos adiante - considere o vetor de probabilidades iniciais \left[(0,5 0,5)\right] e obtenha os vetores de probabilidades 2, 3 e 4 passos adiante - Escreva um programa para simular realizações desta cadeia (mostre resultados em um gráfico). - Modifique os valores dos elementos da matrix e verifique o comportamento da cadeia. Algumas sugestões: - P = \left[\begin{array}{cc} 1/5 & 4/5 \\ 4/5 & 1/5 \end{array}\right] - P = \left[\begin{array}{cc} 1/3 & 2/3 \\ 4/5 & 1/5 \end{array}\right] - P = \left[\begin{array}{cc} 2/3 & 1/3 \\ 1/3 & 2/3 \end{array}\right] - P = \left[\begin{array}{cc} 2/3 & 1/3 \\ 0 & 1 \end{array}\right] - Considere agora uma matriz de transição mais geral dada a seguir. Generalize seu programa do exemplo anterior e obtenha simulações para diferentes valores de ''p''. Escreva ainda uma rotina que receba os dados de uma cadeia e retorne uma estimativa de ''p''. Use esta rotina para obter valores estimados de ''p'' para suas diferentes simulações (com o mesmo ''p'' e variando ''p'') \\ P = \left[\begin{array}{cc} p & 1-p \\ 1-p & p \end{array}\right] - Idem anterior com \\ P=\left[\begin{array}{cc} p_1 & 1-p_1 \\ 1-p_2 & p_2 \end{array}\right] - Escreva agora uma rotina que calcule as probabilidades dos estados da cadeia em um passo (tempo) qualquer, a partir da matriz de transição e de um vetor \nu de probabilidades iniciais. Experimente (por simulação) com diferentes valores de ''P'' e \nu - Idem anterior para um determinado inicial. - Resuma as conclusões que podem ser obtidas analisando os resultados das simulações anteriores === Parte 2 === - Estude o comportamento da cadeia definida por: \\ P=\left[\begin{array}{cccccc} 0,1 & 0,4 & 0,2 & 0,1 & 0,1 & 0,1 \\ 0,2 & 0,3 & 0,2 & 0,1 & 0,1 & 0,1 \\ 0,1 & 0,2 & 0,3 & 0,2 & 0,1 & 0,1 \\ 0,1 & 0,1 & 0,2 & 0,3 & 0,2 & 0,1 \\ 0,1 & 0,1 & 0,1 & 0,2 & 0,3 & 0,2 \\ 0,1 & 0,1 & 0,1 & 0,1 & 0,4 & 0,2 \\ \end{array}\right] - Modificar a matriz P dada colocando na ultima linha: ''(0 0 0 0 0 1)''. Estude o comportamento da cadeia. - Estude o comportamento da cadeia com matriz de probabilidade de transição dada por\\ P=\left[\begin{array}{ccccc} 0,5 & 0,3 & 0,2 & 0,0 & 0,0 \\ 0,2 & 0,3 & 0,3 & 0,2 & 0,0 \\ 0,1 & 0,2 & 0,3 & 0,2 & 0,2 \\ 0,0 & 0,1 & 0,2 & 0,3 & 0,4 \\ 0,0 & 0,0 & 0,0 & 0,0 & 1,0 \\ \end{array}\right] === 21/01 === - Leia a [[http://www.usp.br/agen/?p=125321|reportagem sobre uma aplicação de redes Bayesianas]] - Leia a Reportagem de Capa "Quem Prevê Melhor" da 1a Edição de 2013 da [[http://www.veja.com.br|Revista VEJA]] (ver no acervo digital da revista) - Considere o conjunto de dados com os resultados das turmas AMB e O da CE003 no 1o semestre de 2012 disponível {{:disciplinas:ce003o-2012-02:ce003-2012-01.txt|neste arquivo de dados}}. \\ Discuta como estes dados podem ser utilizados para produzir um relatório. Procure pensar em possíveis resultados a serem apresentados e "perguntas" de possível interesse prático a serem respondidas. \\ Utilize qualquer ambiente computacional para analisar os dados. === 20/02 === - [[http://www.ted.com/talks/hans_rosling_shows_the_best_stats_you_ve_ever_seen.html|Hans Rosling]] no TED Talks - como os dados podem nos ajudar a compreender e destruir mitos sobre a realidade. Procure identificar ao menos cinco pontos importantes na apresentação para discussão (com opção de legendas em português). === 25/02 === * //**Material perdisco:**// [[http://www.youtube.com/watch?v=LfgPmKTdUsE&feature=relmfu|Video 5: ]] Amostragem e distribuições amostrais * //**Material perdisco:**// [[http://www.youtube.com/watch?v=mD56-raCdGg&feature=relmfu|Video 5: ]] Inferência