CE-003 Turmas K/O - 2o semestre de 2017
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
- WEB 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 | Outros | ||||
---|---|---|---|---|---|
Data | Conteúdo | Leitura | Exercícios Livro | Exercícios Lista | Tópicos |
PARTE I: PROBABILIDADES | |||||
31/07 Seg | Informações sobre o curso. Fundamentos das três partes deste curso: (i) probabilidades, (ii) estatística descritiva e (iii) inferência estatística. Probabilidades e seu uso no cotidiano. Definições clássica, frequentista e subjetiva de probabilidades. Modelos determinísticos e/ou estocásticos | Cap 1, Cap 5, Sec 5.1 e 5.2 | Cap 5: 1 a 5 | Ver abaixo | |
02/08 Qua | Probabilidades: experimentos aleatórios, eventos e probabilidades. Espaços amostrais. Características dos espaços amostrais (discreto/contínuo, enumerável ou não, equiprovável ou não, finito ou infinito). Atribuição de probabilidades a pontos do espaço amostral e a eventos - dedução analítica, consulta a base de dados (frequentista) ou simulação ou por suposição de modelos. Idéias introdutórias sobre variáveis aleatórias e distribuições de probabilidades. | Cap 5, 5.1, 5.2, 5.3, Cap 6: 6.1 e 6.2, Cap 7: 7.1 | Cap 5: 7 a 14 | 1, 5, 8, 14, 251, 256, 272 | |
07/08 Seg | 1a avaliação semanal. Discussão da avaliação e conceitos de análise combinatória e probabilidades. Árvore de possibilidades para identificação de espaço amostral. Regras de adição e multiplicação. Resolução de exercícios. Definição axiomática de probabilidades e propriedades. | Cap 5: 5.1 e 5.2 | Cap 5: 7 a 14 | 2, 3, 7, 18, 20, 21, 39, 91, 95, 175, 176, 187, 197, 199 | |
09/08 Qua | Exemplos com v.a.s categóricas e discretas. Obtenção de distribuições de probabilidades através do espaço amostral e de equações. Probabilidade condicional e independência. Teorema de Bayes. | Cap 5: 5.3 a 5.6, Cap 6: 6.1, 6.2, 6.6.3 | Cap 5: 15 a 22, 23 a 25 | 112, 134, 135, 157, 163, 173, 183, 191, 203 | 09/08 |
14/08 Seg | 2a. av. periódica. Discussão da avaliação. Exercícios e tópicos adicionas sobre probabilidades e variáveis aleatórias. | Cap 5 | Cap 5: 26 a 4145, 48, 50, 57, 64; Cap 6: 1 a 4 | 14/08 | |
16/08 Qua | Variáveis aleatórias contínuas. Função de densidade de probabilidades. Cálculo de probabilidades (geométrico, por integração e computacional). Exemplo. Valor médio (esperança ou valor esperado) | Cap 7, 7.1 e 7.2 | Cap 7: 1 a 4, 10 | 37, 142, 102, 11, 12, 26, 85, 127, | |
21/08 Seg | 3a avaliação periódica. Discussão da Avaliação. Esperança de uma v.a. Função de distribuição (acumulada). Distribuição exponencial (contínua). Simulação de valores de uma distribuição exponencial. | Cap 6: 6.3, 6.4, 6.5, Cap 7, 7.2 e 7.3 | Cap 6: 7, 8, 10, 12, 13, 17, Cap 7: 6, 8, 9, 10, 12 | 21/08 | |
23/08 Qua | Discussões adicionais sobre distribuições discretas e contínuas. Esperança, variância, função de distribuição (acumulada) e quantis: seus cálculos e suas interpretações. Assimetria de distribuições. Exemplos | Cap 6: 6.3 a 6.5 e 6.8, Cap 7: 7.2, 7.3, 7.4.3 e 7.8 | Cap 6, Cap 7: | 23/08 | |
28/08 Seg | 4a avaliação semanal. Discussão da avaliação incluindo comentários sobre soluções computacionais | 28/08 | |||
30/08 Qua | Distribuições discretas e contínuas, casos especiais: binomial, geométrica, exponencial, Gama, Beta e Normal. Cálculo de probabilidades e quantis da distribuição normal utilizando tabela da normal padrão. Cálculo de probabilidades e quantis de distribuições utilizando rotinas computacionais. | Cap 6: 6.6.1. 6.6.2, 6.6.3, ex 55 , Cap 7: 7.5.1, 7.4.1, 7.4.3, 7.7 | Cap 6: 20, 21, 25, 26, 55; Cap 7: 13 a 21 | 16, 17, 24, 25, 42 | 30/08 |
04/09 Seg | não haverá avaliação semanal. Distribuição normal - continuação. Exemplos. | Cap 7: 7.2 | Cap 7: 14 a 20, 31, 33 a 38 | 38, 51, 52, 58, 59, 66, 67, 87, 88, 90, 93, 99, 103 | |
06/09 Qua | Distribuições discretas: Uniforma, Binomial, Geométrica, Hipergeométrica, binomial negativa (Pascal). Processo de Poisson e distribuição de Poisson. Definições caracterizações e exemplos. Aproximação normal à distribuição Binomial | Cap 6: 6.6 e 6.7, Cap 7: 7.5 | Cap 6: 20 a 28, 31 a 34, 39, 55, 56, 57. Cap 7: 22 a 24 | 6, 13, 27, 30, 34, 45, 50, 55, 56, 57, 74, 78 | |
11/09 Seg | avaliação semanal. Discussão da avaliação com revisão das características e distinções entre os diferentes tipos de variáveis aleatórias. | Ver anteriores | |||
13/09 Qua | Visualização de distribuições de probabilidades e elementos da linguagem R. Introdução a processos estocásticos/Cadeias de Markov | 13/09 | |||
18/09 Seg | Introdução a processos estocásticos/Cadeias de Markov (cont.). Introdução à estatística descritiva e análises exploratórias. Interpretação da página de resultados das avaliações. Medidas descritivas, gráficos: histogramas, histogramas alisados (suavizados), Box-Plots. | Cap 2 | |||
20/09 Qua | Estatística descritiva: tipos de variáveis (qualitativa - nominal e ordinal, quantitativa - discreta e contínua); resumos de dados pro gráficos, tabelas e medidas. Análises uni, bi e multivariadas. Analises bivariadas (qt * ql, qt * qt, ql * ql). Gréficos adequados a cada caso. Exemplos e interpretações | Cap 2, 3 e 4 | 20/09 | ||
25/09 Seg | Av. semanal. Medidas descritivas univariadas, de posição e dispersão | Cap 3 | Cap 3: 2, 3, 7, 16, 21, 22, 23, 33, 34, 35 | ||
27/09 Qua | Tópicos adicionais em estatística descritiva: diagrama ramo-e-folhas, extensões em box-plots, transformação de variáveis (potência e Box-Cox), cálculo de medidas descritivas em dados agrupados, análises bivariadas Ql X Qt, Qt x Qt, coeficientes de correlação (Pearson, Spearman e Kendall) | Cap 2, 3 e 4 | Cap 2: 4, 6 e 7, Cap 3: 1, 6, 7, 14, 19, 20, 29, Cap 4: 1 a 6, 10 a 13, 26, 29, 30 | 27/09 | |
02/09 Seg | Av. semanal | ||||
04/10 Qua | Dia não letivo (EVINCE etc) | ||||
09/10 Seg | 1a prova | ||||
11/10 Qua | Associação entre duas variáveis qualitativas. Chi-quadrado e medidas relacionadas. Introdução à inferência estatística - conceitos, terminologias, definições fundamentais: população, parâmetro, amostra aleatória, estimador, estimativa, distribuição amostral, erro padrão e intervalo de confiança. Ilustração computacional | Cap 4.3 e 4.4, Cap 10 | Cap 4: 4 a 9 | 11/10 | |
16/10 Seg | Inferência estatística (cont) - conceitos, terminologias, definições fundamentais: população, parâmetro, amostra aleatória, estimador, estimativa, distribuição amostral, erro padrão e intervalo de confiança. Exemplos. | Cap 10 | Cap 10: 1, 3, 7 a 13 | ||
18/10 Qua | Inferência estatística (cont) - Exemplos e exercícios. Uma discussão sobre proves, notas, acerto ao acado, TRI e ENEM | Cap 10 | Cap 10: 21 a 29, 33, 34 | 18/10 | |
23/10 Seg | Não haverá aula. Semana acadêmica | ||||
25/10 Qua | Não haverá aula. Semana acadêmica | ||||
30/10 Seg | Av. Semanal. Estimação: propriedades dos estimadores e métodos de estimação. Método dos mínimos quadrados, | Cap 11 (leitura de todo o capítulo) | Cap 11: 6 a 9 | ||
01/11 Qua | Inferência estatística: estimação - propriedades e métodos de estimação: mínimos quadrados e max. verossimilhança | Cap 11: 11.1 a 11.5 | Cap 11: 10 a 13 | 01/11 | |
06/11 Seg | 9a av. semanal. Discussão da avaliação. Discussão adicional sobre estimação e métodos de estimação incluindo métodos computacionais | ||||
08/11 Qua | Incerteza associada à estimação. Distribuição amostral do estimador. Erro padrão. Obtenção analítica, Hessiano função de verossimilhança (derivada segunda ou hessiano numérico). Bootstrap (paramétrico e não paramétrico). Inferência Bayesiana | Cap 11: 11.7, 11.8, 11.9 | |||
13/11 Seg | Aula cancelada | ||||
15/11 Seg | Feriado | ||||
20/11 Seg | Inferência estatística: estimação, intervalo de confiança e teste de hipóteses sob os 4 paradigmas: distribuição amostral, bootstrap, verossimilhança e Bayesiana. Teste de Hipóteses com base em distribuições amostrais: hipóteses, nível de signifiância, Erro tipo I e Erro tipo II, Passos te um teste de hipóteses. p-valor (nível descritivo). Exemplos. | Cap 12: 12.1 a 12.8 | Cap 12: 1 a 9 | ||
22/11 Qua | Teste de hipóteses (cont.) exemplo e exercícios. | Cap 12 | 10 a 24 | ||
27/11 Seg | Dia não letivo. Segunda fase do vestibular | ||||
29/11 Qua | 2a prova |
31/07
- Considere um jogo que envolve o lançamento de dois dados e o resultado de interesse é a soma das faces.
- Em qual face você apostaria? Por que?
- Quais são os possíveis resultados?
- Qual a probabilidade (chance) de cada um dos possíveis resultados resultado?
- E se o interesse fosse na diferença entre os valores das faces, como ficariam as respostas para os itens anteriores?
09/08
- Problema dos aniversários (B&M, Cap 5, Exercício 62)
- Calcular a probabilidade de que em um grupo de n pessoas haja alguma coincidência de aniversários.
- Escrever um código computacional que retorne: a probabilidade para um certo valor de n ou o valor de n para uma dada probabilidade
- Fazer um gráfico da Probabilidade x n
- Problema de Monty Hall (B&M, Cap 5, Exercício 66)
- Resolver o problema analiticamente
- Estimar as probabilidades de ganhar o prêmio programando um algoritmo de simulação computacional
14/08
- 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?
- formule adequadamente e tente resolver os problemas propostos durante a palestra
- Propor um algoritmo computacional para estudar por simulação) o problema das sequencias de caras e coroas apresentado
Considere os problemas a seguir e resolva cada uma deles de duas formas:
- Solução formal (analítica)
- Solução (aproximada) por alguma rotina computacional
Problemas propostos:
- Um comitê de 12 pessoas é escolhido por sorteio de um grupo de 100 pessoas. Calcule a probabilidade dos indivíduos A e B pertencerem os grupo escolhido.
- Um baralho de 52 cartas contém 4 cartas do tipo ás. Se as cartas são embaralhadas e 13 cartas são divididas entre 4 indivíduos, qual a probabilidade de que algum deles fique com todas as cartas ás.
- Se n pessoas terão seus assentos atribuídos ao acaso em uma linha com 2n assentos, qual a probabilidade que não haja pessoas em assentos adjacentes?
- Resolver o problema das portas (Monty Hall):
- resposta analítica
- resposta por simulação computacional (escrever algoritmo)
Considere postar/compartilhar seus algoritmos na Página do Espaço Aberto do Curso
21/08
- Escreva um algoritmo para simular dados da distribuição exponencial conforme visto em aula. Faça algum(uns) gráfico(os) com valores simulados para verificar o resultado do seu algoritmo
- Apresentação do matemático Cédric Villani comentada na aula
23/08
Exercícios recomendados adicionais:
- Para a f(x) da 3a avaliação semanal:
- Obtenha a expressão da F(x)
- Use a F(x) para calcular os items b-c-d da avaliação
- Encontre os quartis da distribuição
- Encontre os quantis 0,10, 0,60 e 0,90
- Considere a distribuição exponencial de média igual a 40
- Escreva a expressão da f(x) e F(x)
- Obtenha:
- P[X > 40]
- P[X > 20]
- P[15 < X < 40]
- P[X < 30]
- P[X < 50 | X > 20]
- p[X > 40 | X > 20]
- P[X > 80]
- os quantis 0,15, 0,25, 0,50, 0,60, 0,75 e 0,90
- Seja uma função de densidade de probabilidades
- Esboce um gráfico da função
- Obtenha a expressão de e seu gráfico
- Obtenha o valor médio
- Obtenha as probabilidades:
- P[X > 2]
- P[X < 7]
- P[X > 5]
- P[X > E[X]]
- P[X > 2 | X < 7]
- P[ 3 < X < 8]
- Obtenha os quantis 0,15, 0,25, 0,50, 0,60, 0,75 e 0,90
28/08
Resolver exercícios propostos anteriormente utilizando programas/rotinas computacionais (R, python, (w/x)maxima, axiom, etc)
30/08
- Buscar na web informações sobre as distribuições vistas até aqui
- Resolver exemplos de aula a propostos utilizando também algum programa computacional
13/09
- Simular, fazer gráfico da realização e mostrar as matrizes de transição dos processos:
- Y(t) = 0 com probabilidade p e Y(t) = 1 com probabilidade (1-p)
- Y(t) = Y(t-1) com probabilidade p e Y(t) = 1 - Y(t-1) com probabilidade (1-p)
Comparar e discutir os aspectos das realizações para diferentes valores de (p).
20/09
- Exercícios da lista da estatística descritiva: 1, 13, 14, 16
20/09
- Exercícios da lista da estatística descritiva: TODOS (1 a 31)
- Assitir, refletir e discutir: Why statistics are fascinating: the numbers are us (Alan Smith)
11/10
- Código R utilizado na aula
18/10
01/11
- Lita de exercícios de inferência: 5, 6, 17, 27, 38, 45, 46, 80, 81, 84, 88, 94, 102, 113