CE089 - Estatística Computacional II

ATENÇÃO: as aulas serão no LAB. A

Detalhes da oferta da disciplina

• Curso: Estatística
• Período: segundo semestre de 2022
• Professores Responsáveis:
  • Walmes Marques Zeviani, LEG/DEST/UFPR
  • Paulo Justiniano Ribeiro Junior, LEG/DEST/UFPR
• Horários e Locais:
  • Segunda, 20:45 - 22:15h, Lab. A
  • Quarta, 19:00 - 20:30h, Lab. A
• Avaliação:
  • A Nota na disciplina será dada pela média de avaliações e trabalhos, com pesos iguais.
    • Critérios para aprovação:
      • Frequência de pelo menos 75% e nota igual ou acima de 70 → Aprovação sem Exame Final.
      • Frequência de pelo menos 75% e Nota entre 40 e 70 → Exame Final.
      • Média entre Nota e Exame Final igual ou acima de 50 → Aprovação.
      • Nota inferior a 40 ou presença inferior a 75% → Reprovação.
      • Média entre Nota e Exame Final inferior a 50 → Reprovação.
• Datas importantes:
  • 17-21/10/22: Semana acadêmica (valida frequência)
  • 25/10/22: Início das aulas da disciplina
  • 26/12/22 a 14/01/23: Recesso acadêmico
  • 21/02/23: Primeira prova
  • 15/02/23: Segunda prova
  • 23/02/23: Upload do primeiro trabalho
  • 23/02/23: Apresentação segundo trabalho
  • 25/02/23: Término período letivo
  • 27/02 a 04/03/23: Período de Exames finais

Programa/objetivos da disciplina

1. Revisão e conceitos avançados da linguagem R
   • Objetos, classes e métodos
   • Algoritmos e programação funcional
   • Vetorização
   • Error/exception handling
   • Benchmarking e profiling
   • Documentos dinâmicos
2. Métodos para geração de números aleatórios
   • Geração de números uniformes
   • Método da transformação integral da probabilidade
   • Método da aceitação e rejeição
   • Métodos baseados em relações entre variáveis aleatórias
3. Métodos estatísticos computacionalmente intensivos
   • Integração de Monte Carlo
   • Métodos de Monte Carlo em inferência estatística
   • Métodos de reamostragem: Boostrap e jackknife
   • Aplicação de métodos de reamostragem
   • Testes de permutação
   • Métodos de Monte Carlo via Cadeias de Markov (MCMC)

Ementa

Métodos Computacionalmente Intensivos: Monte Carlo e Bootstrap; Estruturas complexas de dados; Linguagens e interfaces entre ambientes de análise de dados; Implementação computacional de métodos estatísticos; Algoritmos computacionalmente intensivos.

---

Este conteúdo está disponível por meio da Licença Creative Commons 4.0