Disciplina
Análise de Modelos Lineares
Área
Área Científica de Probabilidades e Estatística > Probabilidades e Estatística
Activa nos planos curriculares
GENI > GENI > 1º Ciclo > Área Principal > Percursos > Fundamentos para Matemática Aplicada > Opções 1 > Análise de Modelos Lineares
MMAC 2021 > MMAC 2021 > 2º Ciclo > Área Principal > Áreas de Especialização > Área de Especialização em Probabilidade e Estatística > Área Científica de Probabilidades e Estatística > Análise de Modelos Lineares
LMAC 2021 > LMAC 2021 > 1º Ciclo > Opções > Opção de Probabilidade e Estatística > Análise de Modelos Lineares
MECD2019 > MECD2019 > 2º Ciclo > Opções > Análise de Modelos Lineares
MMA 2006 > MMA 2006 > 2º Ciclo > Perfis > Probabilidades e Estatística Matemática > Probabilidades e Estatística > Análise de Modelos Lineares
LMAC 2006 > LMAC 2006 > 1º Ciclo > Probabilidades e Estatística > Análise de Modelos Lineares
Nível
Exame com nota mínima de 7.0 valores + Projeto Computacional.
Tipo
Não Estruturante
Regime
Semestral
Carga Horária
1º Semestre
119.0 h/semestre
Objectivos
Desenvolver a análise de modelos estatísticos lineares com erros normais, enfatizando quer a teoria subjacente aos modelos de regressão, análise de variância e delineamento experimental quer a aplicação e interpretação destes modelos a problemas reais.
Programa
Aplicações dos modelos lineares. Inferência em regressão linear simples numa abordagem matricial. Modelo linear geral. Modelos de regressão linear múltipla. Estimação de parâmetros: método dos mínimos quadrados, método da máxima verosimilhança. Inferência e predição. Teste de `lack-of-fit'. Regressão polinomial. Regressão com variáveis qualitativas. Construção de um bom modelo de regressão. Técnicas de diagnóstico. Modelo de Análise de Variância (ANOVA) com 1 factor fixo. Estimação. Comparações múltiplas. Testes de homocedasticidade. Modelo ANOVA com 1 factor aleatório. Modelos ANOVA com 2 e 3 factores fixos. Modelo de análise de covariância (ANCOVA). Introdução ao Delineamento Experimental. Delineamento completamente aleatorizado. Delineamento em blocos aleatorizados. Outros tópicos extra: Regressão robusta, ridge e LASSO.
Metodologia de avaliação
Exame com nota mínima de 7.0 valores + Projeto Computacional.
Pré-requisitos
Probabilidade e Estatística.
Componente Laboratorial
Realização de trabalhos laboratoriais realizados com auxílio do R (ou equivalente).
Princípios Éticos
Todos os membros de um grupo são responsáveis pelo trabalho do grupo. Em qualquer avaliação, todo aluno deve divulgar honestamente qualquer ajuda recebida e fontes usadas. Numa avaliação oral, todo aluno deverá ser capaz de apresentar e responder a perguntas sobre toda a avaliação.
Componente de Programação e Computação
Os trabalhos laboratoriais e o projeto envolvem programação em R. A percentagem de avaliação nesta componente é de 50% .
Componente de Competências Transversais
Pensamento Crítico e Inovador – A realização do projecto possibilita o desenvolvimento dos pensamentos estratégico, compreensivo, crítico e criativo, sem avaliação explícita. Competências Intrapessoais – A realização do projecto permite desenvolver competências sócio emocionais e comportamentais, de trabalho em equipa, produtividade e gestão de tempo, gestão de stress e proatividade, sem avaliação explícita. Competências Interpessoais – Na avaliação do relatório do projecto, 15% da classificação é atribuída à forma do relatório e 10% da classificação é atribuída à apresentação oral e discussão do projecto.
Bibliografia
Principal
Applied Linear Statistical Models
Michael H. Kutner, John Neter, Christopher J. Nachtsheim, William Li
New York: Chapman and Hall/CRC
Matrix Algebra useful for Statistics