Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
| Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Próxima revisão Ambos lados da revisão seguinte | ||
|
disciplinas:ce003o-2012-02:historico [2012/11/29 11:28] paulojus |
disciplinas:ce003o-2012-02:historico [2013/01/22 14:08] paulojus |
||
|---|---|---|---|
| Linha 25: | Linha 25: | ||
| ^ ^^ B & M ^^ M & L ^^ Online ^ | ^ ^^ B & M ^^ M & L ^^ Online ^ | ||
| ^ Data ^ Conteúdo ^ Leitura ^ Exercícios ^Leitura ^ Exercícios ^ Tópico ^ | ^ Data ^ Conteúdo ^ Leitura ^ Exercícios ^Leitura ^ Exercícios ^ Tópico ^ | ||
| - | | 31/10 |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 | | + | | 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 ^^^^^^ | | | PARTE I: PROBABILIDADES ^^^^^^ | | ||
| - | | 05/11 |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 | | + | | 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 |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 | | + | | 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 |1a avaliação semanal: Probabilidades (Cap 5 B&M, Cap 2 M&L). Exercícios e revisão | | | | | | | + | | 12/11 Seg|1a avaliação semanal: Probabilidades (Cap 5 B&M, Cap 2 M&L). Exercícios e revisão | | | | | | |
| - | | 14/11 |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 | | | + | | 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 |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 | | | + | | 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 |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 | | | + | | 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 |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 | | | + | | 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 |3a avaliação semanal. Resolução e revisão. Relação entre exponencial e Poisson | | | | |ver abaixo | | + | | 28/11 Qua|3a avaliação semanal. Resolução e revisão. Relação entre exponencial e Poisson | | | | |ver abaixo | |
| - | | 03/12 |4a avaliação semanal (modelos de distribuições de v.a.'s discretas e contínuas já vistos em aula) | | | | | | | + | | 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 Seg|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 Seg|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 ^^^^^^ | | | PARTE II: ESTATÍSTICA DESCRITIVA E ANÁLISE EXPLORATÓRIA DE DADOS ^^^^^^ | | ||
| | PARTE III: INFERÊNCIA ESTATÍSTICA ^^^^^^ | | | PARTE III: INFERÊNCIA ESTATÍSTICA ^^^^^^ | | ||
| Linha 61: | Linha 67: | ||
| * O conteúdo visto até aqui corresponde ao Capítulo 1 de Dantas (1997) que também pode ser usado para estudo | * 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. \\ | ||
| + | <latex>P = \left[\begin{array}{cc} 1/3 & 2/3 \\ 2/3 & 1/3 \end{array}\right]</latex> | ||
| + | - Obtenha a matriz de transição para 2, 3 e 4 passos adiante | ||
| + | - considere o vetor de probabilidades iniciais <latex>\left[(0,5 0,5)\right]</latex> 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: | ||
| + | - <latex>P = \left[\begin{array}{cc} 1/5 & 4/5 \\ 4/5 & 1/5 \end{array}\right]</latex> | ||
| + | - <latex>P = \left[\begin{array}{cc} 1/3 & 2/3 \\ 4/5 & 1/5 \end{array}\right]</latex> | ||
| + | - <latex>P = \left[\begin{array}{cc} 2/3 & 1/3 \\ 1/3 & 2/3 \end{array}\right]</latex> | ||
| + | - <latex>P = \left[\begin{array}{cc} 2/3 & 1/3 \\ 0 & 1 \end{array}\right]</latex> | ||
| + | - 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'') \\ <latex> | ||
| + | P = \left[\begin{array}{cc} p & 1-p \\ 1-p & p \end{array}\right] | ||
| + | </latex> | ||
| + | - Idem anterior com \\ <latex> | ||
| + | P=\left[\begin{array}{cc} p_1 & 1-p_1 \\ 1-p_2 & p_2 \end{array}\right] | ||
| + | </latex> | ||
| + | - 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 <m>\nu</m> de probabilidades iniciais. Experimente (por simulação) com diferentes valores de ''P'' e <m>\nu</m> | ||
| + | - 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: \\ <latex> | ||
| + | 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] | ||
| + | </latex> | ||
| + | - 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\\ <latex> | ||
| + | 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] | ||
| + | </latex> | ||
| + | |||
| + | |||
| + | === 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. | ||
| + | |||
| + | |||
