[ms_accordion style=”simple” type=”1″ class=”” id=””] [ms_accordion_item title=”Unidade curricular” color=”#7b89b6″ background_color=”” close_icon=”” open_icon=”” status=”open”]
Estatística Computacional
[/ms_accordion_item] [/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””]
[ms_accordion style=”simple” type=”1″ class=”” id=””]
[ms_accordion_item title=”Coordenação” color=”” background_color=”” close_icon=”” open_icon=”” status=”open”]Pedro Pereira Rodrigues
Teresa Henriques
[/ms_accordion_item][/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””] [ms_accordion_item title=”Objetivos de aprendizagem” color=”#7b89b6″ background_color=”” close_icon=”” open_icon=”” status=”open”]
Esta unidade curricular pretende dotar os estudantes dos conhecimentos, aptidões e comportamentos que lhes permitam utilizar métodos de computação intensiva relevantes para análise estatística. Especificamente, pretende-se que os estudantes sejam capazes de:
• identificar métodos computacionais para análise estatística, incluindo métodos para simulação, estimação e visualização de dados estatísticos
• reconhecer o papel da computação como uma ferramenta de análise de dados de saúde
• aplicar corretamente metodologias computacionais em problemas reais de ciência de dados de saúde.
[/ms_accordion_item] [/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””] [ms_accordion_item title=”Conteúdos programáticos” color=”” background_color=”” close_icon=”” open_icon=”” status=”open”]
Estatística computacional
• Porque usar computação em estatística?
• Ferramentas e software para estatística computacional
• Estatística computacional utilizando grandes infra-estruturas de dados
Sinopses de dados
• Estatísticas suficientes
• Histogramas
• Micro-Clusters
• Fading Statistics
Estimativas de densidade
• Máxima verosimilhança
• Expectation-Maximization
• Kernel Estimation
Estimativas e Simulação
• Métodos Jackknife
• Validação cruzada
• Geração de números aleatórios
• Métodos de Monte Carlo
• Métodos de Bootstrap
Análise numérica
• Visualização de dados complexos
• Análise de componentes principais
• Bivariate smoothing
• Splines
[/ms_accordion_item] [/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””]
[ms_accordion_item title=”Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular” color=”” background_color=”” close_icon=”” open_icon=”” status=”open”]
Os conteúdos lecionados dotarão os estudantes dos conceitos necessários e suficientes para compreender e utilizar os métodos modernos de estatística computacional necessários à análise de bases de dados de saúde. Especificamente, através dos conteúdos lecionados os estudantes irão adquirir os conhecimentos e competências que lhes permitem aplicar os métodos aos problemas de ciência de dados de saúde de forma transversal, usando uma ferramenta de estatística computacional versátil e robusta.
[/ms_accordion_item]
[/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””]
[ms_accordion_item title=”Metodologias de ensino” color=”” background_color=”” close_icon=”” open_icon=”” status=”open”]
Aulas teórico-práticas e de prática laboratorial com exposição teórica e discussão de temas, e exercícios em grupo e individuais. Avaliação por trabalho de grupo (30%) e exame final (70%).
[/ms_accordion_item]
[/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””]
[ms_accordion_item title=”Demonstração da coerência das metodologias de ensino com os objetivos de aprendizagem da unidade curricular” color=”” background_color=”” close_icon=”” open_icon=”” status=”open”]
A exposição teórico-prática permite transmitir aos estudantes os conceitos e as respectivas aptidões que lhes permitam aplicar métodos avançados de estatística computacional num projecto de ciência de dados de saúde. Através da realização de exercícios individuais e trabalhos de grupo, os estudantes irão igualmente desenvolver competências e principalmente ajustar comportamentos que lhes permitem integrar estes novos métodos na prática diária da investigação.
[/ms_accordion_item]
[/ms_accordion]
[ms_accordion style=”simple” type=”1″ class=”” id=””]
[ms_accordion_item title=”Bibliografia principal” color=”” background_color=”” close_icon=”” open_icon=”” status=”open”]
Gentle, James E., Härdle, Wolfgang Karl, Mori, Yuichi (2012) Handbook of Computational Statistics. Springer Verlag.
Givens, G., Hoeting, J. (2012) Computational Statistics. Wiley.
[/ms_accordion_item]
[/ms_accordion]