Objetivos

Os métodos de inferência estatística não paramétricos ou de distribuição livre, são procedimentos matemáticos para testes de hipóteses e modelos de regressão que, diferentemente da estatística paramétrica, não fazem suposições sobre a distribuição de probabilidade das variáveis a serem consideradas.

Objetivo geral: Espera-se que, ao final da disciplina, o aluno deva saber identificar o uso de testes não-paramétricos e lidar de forma apropriada com problemas práticos.

Objetivos específicos: Identificar situações nas quais procedimentos não-paramétricos podem ser aplicados, selecionar testes não-paramétrico adequados para um problema em estudo, construir as hipóteses correspondentes e aplicar os procedimentos escolhidos utilizando funções R para esta finalidade.

Ementa

Estatística paramétrica e não paramétrica. Testes não paramétricos para uma, duas ou mais amostras. Estimação não paramétrica de densidades. Introdução aos modelos não paramétricos de regressão.

Local: PA-04.

Horário: quarta-feira 19:00h, sexta-feira 20:45h

Nota: a nota final será a soma das notas obtidas nos quatro trabalhos assíncronos programados.


Referências bibliográficas básicas

  1. CONOVER, W. J. Practical nonparametric statistics. 3rd. ed. New York: Chichester: John Wiley &Sons (Asia), 1999.

  2. GIBBONS, J. D. Nonparametric Statistics: An Introduction, Newbury Park: Sage Publications, 1993.

  3. SIEGEL, S.; CASTELLAN, N. H. Estatística não-paramétrica para ciências do comportamento. 2. ed. Porto Alegre, RS: Artmed, 2006.

  4. Conover, W.J. (1999). Practical nonparametric statistics. 3rd. ed. New York: Chichester: John Wiley & Sons (Asia).

  5. Gibbons, J.D. (1993). Nonparametric Statistics: An Introduction, Newbury Park: Sage Publications.

  6. Siegel, S. and Castellan, N.H. (2006). Estatística não-paramétrica para ciências do comportamento. RS: Artmed.

  7. Lucambio, F. (2023). Estatística não paramétrica


Referências bibliográficas complementares

  1. Hastie, T.; Tibshirani, R. and Friedman, J. (2013). The elements of statistical learning: Data mining, inference, and prediction. Springer New York.

  2. Hollander, M. and Wolfe, D.A. (1999). Nonparametric statistical methods. 2nd. ed. New York: John Wiley & Sons.

  3. Kloke, J. and McKean, J.W. (2015). Nonparametric statistical methods using R. Boca Raton: CRC Press.

  4. Silverman, B.W. (1994). Nonparametric Regression and Generalized Linear Models: A Roughness Penalty Approach, London: Editora Chapman & Hall.

  5. Wasserman, L. (2006). All of nonparametric statistics: New York: Springer.


Referência: Estatística não paramétrica.

Semana 1

  1. 12/03/25. Estatística não paramétrica

  2. 14/03/25. Estatísticas de ordem

Semana 2

  1. 19/03/25. Estimação não paramétrica

  2. 21/03/25. Estimação de densidades. Trabalho No.1: dados.

Semana 3

  1. 26/03/25. Estimação da função de distribuição

  2. 28/03/25. Exercícios.

Referência: Problemas de amostra única

Semana 4

  1. 02/04/25. Testes de bondade de ajuste. Bondade de ajuste em amostras grandes. Trabalho No.2

  2. 04/04/25. Pesquisadores ampliam método de Newton, criado há mais de 300 anos.

Semana 5

  1. 09/04/25. Problema de posição.

  2. 11/04/25. Exercícios.

Semana 6

  1. 16/04/25. Testes de aleatoriedade. Computador quântico gera aleatoriedade verdadeira pela primeira vez.

  2. 18/04/25. Feriado: sexta-feira santa.

Semana 7

  1. 23/04/25. Métodos de reamostragem.

  2. 25/04/25.

Referência: Procedimentos em k amostras.

Semana 8

  1. 30/04/25. Procedimentos de amostra única e com amostras pareadas. Trabalho No.3

  2. 01/05/25. Exercícios.

Semana 9

  1. 07/05/25. O problema geral de duas amostras.

  2. 09/05/25. Exercícios.

Semana 10

  1. 14/05/25. Medidas de associação em classificações múltiplas.

  2. 16/05/25. Exercícios.

Semana 11

  1. 21/05/25. Dependência

  2. 23/05/25. Exercícios.

Referência: Regressão não paramétrica.

Semana 12

  1. 28/05/25. Introdução. Suavizamento linear.

  2. 30/05/25. Exercícios.

Semana 13

  1. 04/06/25. Regressão local. Polinômios locais.

  2. 06/06/25. Exercícios.

Semana 14

  1. 11/06/25. Splines.

  2. 13/06/25. Exercícios.

Semana 15

  1. 18/06/25. Regressão múltipla. Árvores de regressão.

  2. 20/06/25. Exercícios.

Semana 16

  1. 25/06/25. Exercícios.

  2. 27/06/25. Exercícios.


Exame Final: quarta-feira 09/07/2025, 19:00hrs.