disciplinas:ce003o-2010-02:historico

Não foi possível enviar o arquivo. Será algum problema com as permissões?

Você está aqui: start » disciplinas » ce003o-2010-02 » historico

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- disciplinas:ce003o-2010-02:historico [2010/10/20 19:05]
paulojus
+++ disciplinas:ce003o-2010-02:historico [2010/11/29 12:12]
paulojus
@@ Linha 28: / Linha 28: @@
 | 29/09 | PC-07 |Distribuição Normal (Gaussiana). Exercícios. Aproximação normal à distribuição binomial  |Cap 7, Sec 7.4.2 e 7.5 |Cap 7: 21 a 24, 33 a 38 |Cap 6, Definição 6.6 |Cap 6, Sec 6.3: 25 a 33 |Cap 6, Sec 6.2.3 e 6.3 |Cap 6: 11, 12, 17 a 24  |[[http://onlinestatbook.com/chapter6/normal_distribution.html|Chapter IV]] |
 | 04/10 | PC-19 |Distribuição Normal (Gaussiana). Exercícios, aplicações. Aproximação normal à distribuição binomial  |Cap 7, Sec 7.4.2 e 7.5 |ver anterior |Cap 6, Definição 6.6 |ver anterior |Cap 5: Sec 5.2 |ver anterior |[[http://onlinestatbook.com/chapter6/normal_distribution.html|Chapter IV]] |
-| 06/10 | PC-07 |Distribuição de funções de v.a. contínuas. Outras distribuições: log-normal, erlang, weibull, Gamma e Beta. Quantis. Uso do programa R para operações com distribuições de variáveis. Distribuição de funções de v.a. contínuas. |Cap 7, Sec 7.6, 7.7 e 7.8 |Cap 7: 25, 26, 39(a), 40, 41, 43, 44, 51 |Ver em B&M  |ver em B&M |ver em B&M |ver em B&M | |
+| 06/10 | PC-07 |Distribuição de funções de v.a. contínuas. Outras distribuições: log-normal, Erlang, weibull, Gamma e Beta. Quantis. Uso do programa R para operações com distribuições de variáveis. Distribuição de funções de v.a. contínuas. |Cap 7, Sec 7.6, 7.7 e 7.8 |Cap 7: 25, 26, 39(a), 40, 41, 43, 44, 51 |Ver em B&M  |ver em B&M |ver em B&M |ver em B&M | |
 | 11/10 | -- |Feriado | | | | | | | |
 | 13/10 | PC-07 |Estatística descritiva: motivação, uso, objetivos, organização de dados, análises univariadas: tipos de variáveis (qualitativas nominais e ordinais, quantitativas discretas e contínuas). Géficos, tabelas e medidas adequados a cada tipo de variável.  |Cap 1, Cap 2, Sec 2.1, 2.2, 2.3 |Cap 2:  1, 2, 6, 7, 9 |Cap 1 |Cap 1, Sec 1.3: 1 a 3, Sec 1.4: 1 a 6 | | |[[http://leg.ufpr.br/~paulojus/embrapa/Rembrapa/Rembrapase9.html#x11-570009|Material com R na página do LEG]]  |
-| 18/10 | PC-19 |Estatística descritiva (cont): distribuições de frequências, ramo e folhas, medidas descritivas, box-plot. (Ver abaixo comandos do R para produzir gráficos mostrados em sala) |Cap 2: 2.4. Cap 3 |Cap 2:4, 5, 11, 19, Cap 3: 1 a 6 |Cap 1, Cap 4 |Cap 1: 7 a 22 | | |[[http://onlinestatbook.com/chapter2/graphing_distributions.html|Material online: Graphing distributions]] |
+| 18/10 | PC-19 |Estatística descritiva (cont): distribuições de frequências, ramo e folhas, medidas descritivas, box-plot. ([[#18/10/2010/|Ver abaixo comandos do R]] para produzir gráficos mostrados em sala) |Cap 2: 2.4. Cap 3 |Cap 2:4, 5, 11, 19, Cap 3: 1 a 6 |Cap 1, Cap 4 |Cap 1: 7 a 22 | | |[[http://onlinestatbook.com/chapter2/graphing_distributions.html|Material online: Graphing distributions]] |
+| 20/10 | PC-07 |Estatística descritiva (cont): medidas de posição e dispersão |Cap 3 |Cap 3: 8 a 10, 16, 19 a 25, 29, 33, 35 |Cap 4 |Cap 4:  4.2: 1 a 6, 4.3: 1 a 6, 4.4: 1 a 9, 11 a 13 | | |[[http://onlinestatbook.com/chapter3/summarizing_distributions.html|Material online: summarizing distributions]] |
+| 25/10 | PC-19 |Dúvidas, exercícios e revisão para prova II | | | | | | | |
+| 27/10 | PC-07 |Prova II | | | | | | | |
+| 01/11 | --- |Feriado | | | | | | | |
+| 03/11 | PC-07 |Análise bivariada: variáveis qualitativas //versus// qualitativas, qualitativas //versus// quantitativas, quantitativas //versus// quantitativas. Gráficos, tabelas e Medidas. Medidas de associação: chi-quadrado, coeficientes de contingência. Coeficientes de correlação: linear de Pearson, Spearman e Kendall. Transformação de variáveis para linearização  |Cap 4 |Cap 4: 1, 3, 4, 6, 7, 9, 10, 11, 13|Cap 5 (Ver tb B&M) |Cap 5, Sec 5.2: 1, 3; Sec 5.3: 1, 2, 3, 5, 6 | | |[[#03/11/2010|Links para vídeos]] |
+| 08/11 | PC-19 |Inferência estatística: amostragem, população, amostra (amostra aleatória simples), parâmetros, estimadores e estimativas. Distribuição amostral dos estimadores. Estimadores pontuais e intervalares (intervalo de confiança). Distribuição amostral da uma proporção |Cap 10 |Cap 10: 1, 11, 12, 13, 17, 18 |Cap 7  |Cap 7, Sec 7.3: 6,  Sec 7.4: 5 | | |[[http://onlinestatbook.com/chapter8/estimation.html|Material online sobre estimação]] |
+| 17/11 | PC-07 |Inferência estatística: distribuição amostral: revisão e exemplos. Distribuição amostral da média. Teorema do limite central. Intervalos de confiança e tamanho da amostra. Estimação pontual e intervalar. Propriedades dos estimadores (nao tendenciosidade, eficiência e consistência)  |Cap 10 |Cap 10: 7 a 10, 21 a 28 |Cap 7  |Cap 7, Sec 7.3: 5, 7  Sec 7.4: 1 a 4, Sec 7.5: 9 a 16 | | | |[[http://onlinestatbook.com/chapter7/sampling_distributions.html|Material online sobre distribuições amostrais]] |
+| 22/11 | PC-19 |Inferência estatística: Métodos de estimação: momentos, mínimos quadrados e máxima verossimilhaça. Regressão linear simples. Exemplos e exercícios  |Cap 11 |Cap 11: 6 a 21, 23, 24, 26, 27, 29, 33 |Cap 7 (ver métodos de estimação em B&M) |Cap 7, Sec 7.5: 1, 2, 16 a 29, 33 e 34 | | |[[http://onlinestatbook.com/chapter8/estimation.html|Material online sobre estimação]]. [[http://www.ted.com/talks/lang/eng/arthur_benjamin_s_formula_for_changing_math_education.html|um vídeo rápido para reflexão]] |
+| 24/11 | PC-07 |Teste de hipóteses: fundamentos, hipóteses estatísticas, decisão, erro tipo I e tipo II. Nivel de significância e nível descritivo (p-valor). Exemplo. Teste para uma proporção. Regiões de rejeição e não rejeição (região crítica). Passos dos testes de hipóteses. |Cap 12 |Cap 12: 1 a 5 10 a 13 |Cap 8  |Cap 8, Sec 8.1: 1 a 5 Sec 8.2: 6, Sec 8.6: 10 a 15  | | |[[http://onlinestatbook.com/chapter9/logic_hypothesis.html|Material online sobre Testes de Hipóteses]] |
 ==== Atividades Adicionais do Curso ====
@@ Linha 118: / Linha 126: @@
 <code R>
 ## a linguagem R é interpretada
 +34
 log(100)
 ## valores sao armazenados em "objetos"
 ## os simbolos "<-" ou "=" sao usados para atriburi valores os objetos
 x <- log(100)
 ## e digitando o nome do objeto o seu conteúdo é exibido
 x
 x = log(200)
 x
 x <-  log(200)
 x
 ## vetores podem ser definidos e elementos são indexados a partir de 1 (e não 0!!!)
 x <- c(23, 21, 13,14)
 x
 x[1]
 ## a estrutura de um objeto pode ser exibida
 str(x)
 ## existem "funções"que efetuam cálculos estatísticos (dentre outros)
 ## por exemplo pnorm() é a função acumulada F(x) de distribuição normal
 - pnorm(12, m=10, sd=2)
 ## podemos fazer um gráfico calculando e unindo pontos
 x <- seq(3, 17, len=100)
 x
 plot(x, dnorm(x, m=10, sd=2), ty="l")
 ## e vários aspectos do gráfico podem ser definidos
 plot(x, dnorm(x, m=10, sd=2), ty="l", xlab="x", ylab="f(x)")
 title("Distribuição normal N(10, 4)")
 ## a densidade f(x) é dad por dnorm() e as funções possuem documentação
 ?dnorm
 ## vejamos agora gráfico de uma log-normal
 ?dlnorm
 x <- seq(0, 20, l=100)
 fx <- dlnorm(x, 2, 1)
 plot(x, fx, ty="l")
 ## modificando para melhor visualização extendendo o eixo
 x <- seq(0, 35, l=100)
 fx <- dlnorm(x, 2, 1)
 plot(x, fx, ty="l")
 ## cálculos de probabilidade
 ## P[X < 25]
 plnorm(25, 2, 1)
 ## e de quantis
 ## P(X < a) = 0.6, a=?
 qlnorm(0.6, 2, 1)
 ## podemos ainda simular das distribuições
 sam <- rlnorm(500, 2, 1)
 sam
 plot(x, fx, ty="l")
 hist(sam, prob=T, add=T)
 ## Comparando com outra lognormal co  diferentes parâmetros
 fx <- dlnorm(x, 2.5, 1.3)
 lines(x, fx, col=2)
 ## uma outra possibilidade é definir a função desejada
 derlang <- function(x, lambda, r){
   ifelse(x < 0, 0, lambda^r * x^(r-1) * exp(-lambda*x)/factorial(r-1))
 }
 ## verificando que a função integra 1 em seu domínio
 integrate(derlang, 0, Inf, lam=1/5, r=3)
 ## vendo o gráfico
 fx <- derlang(x, lam=1/10, r=1)
 plot(x, fx, ty="l")
 ## e note que a Erlang com r=1 coincide com a exponencial
 fx1 <- dexp(x, 1/10)
 lines(x, fx1, col=2)
 ## e agora com outros parâmetros
 fx <- derlang(x, lam=1/5, r=3)
 plot(x, fx, ty="l")
 ## Calculando prbabilidades por integração
 ## P[X < 10]
 integrate(derlang, 0, 10, lam=1/5, r=3)
 ## veja a documentação de função de integração numérica
 ?integrate
 ## P[5 < X < 15]
 integrate(derlang, 5, 15, lam=1/5, r=3)
 ## P[|X-10| > 3]
 integrate(derlang, 0, 7, lam=1/5, r=3)$val + integrate(derlang, 13, Inf, lam=1/5, r=3)$val
 ## os resultados da integração podem ser guardados em um objeto
 ## no caso o objeto é uma "lista"
 int <- integrate(derlang, 5, 15, lam=1/5, r=3)
 int
 str(int)
 ## $ é o extrator dos elementos da lista
 xd$val
 x$value
 int$value
 int$abs
 ## distribuição Gamma
 args(dgamma)
 ## gráficos com diferentes valores dos parâmetros
 x
 fx <- dgamma(x, sh=5, sc=2)
 plot(x, fx, ty="l")
 fx1 <- dgamma(x, sh=2, sc=5)
 lines(x, fx1, col=2)
 ## P[X > 15]
 pgamma(15, sh=5, sc=2, low=F)
 -pgamma(15, sh=5, sc=2)
 -pgamma(15, sh=2, sc=5)
 </code>
+=== 18/10/2010 ===
+<code R>
+dados <- c(3.67, 1.28, 3.96, 2.93, 7.77, 2.78,
+.82, 8.14, 6.54, 2.82, 4.65, 5.54,
+.73, 2.43, 5.84, 8.45, 1.88, 0.90,
+.10, 4.17, 7.35, 5.28, 2.12, 5.09,
+.30, 5.36, 3.63, 5.41, 4.26, 4.07)
+summary(dados)
+## Histogramas mostrados na aula:
+## histograma com frequencias absolutas e intervalos de classe de 1 unidade
+h1 <- hist(dados, breaks=seq(0, 9, by=1), main="")
+# histograma com frequencias absolutas e intervalos de classe de 1,5 unidades
+# e a ultima com duas unidades
+h2 <- hist(dados, breaks=c(0.5, 2, 3.5, 5.0, 6.5, 8.5), main="")
+</code>
+{{:disciplinas:ce003a-2010-02:hist01.jpg|}}
+<code R>
+## vendo as classes e frequencias em cada caso
+h1[1:2]
+h2[1:2]
+## e vendo de outra forma
+table(cut(dados, breaks=breaks=seq(0, 9, by=1)))
+table(cut(dados, breaks=c(0.5, 2, 3.5, 5.0, 6.5, 8.5)))
+## agora outros gráficos:
+## histograma de probabilidades, histograma suavizado ("density plot") e marcação de dados ("rug")
+hist(dados, main="", prob=TRUE)
+rug(dados)
+lines(density(dados))
+## note que o density() nao depende da definicao de classes!
+## ou simplesmente
+plot(density(dados))
+rug(dados)
+## ramos e folhas
+stem(dados)
+## boxplot:
+boxplot(dados)
+</code>
+{{:disciplinas:ce003a-2010-02:hist01a.jpg|}}
 /*
@@ Linha 432: / Linha 383: @@
 prop.table(table(sim$Res.T))</code>
+\\
+\\
+=== 03/11/2010 ===
+Assistir, comentar e discutir os vídeos a seguir sobre algumas ferramentas e propostas para visualizar e aprender com dados.
+  - [[http://www.ted.com/talks/lang/eng/hans_rosling_shows_the_best_stats_you_ve_ever_seen.html|Aprendendo com os dados]]
+  - [[http://www.ted.com/talks/lang/eng/david_mccandless_the_beauty_of_data_visualization.html|Visualizando informação]]
+=== 07/11/2010 ===
+Educação estatística e sua importância: uma opinião em apenas 3 minutos!
+  - [[http://www.ted.com/talks/lang/eng/arthur_benjamin_s_formula_for_changing_math_education.html|Um vídeo rápido para reflexão]]

Diferenças

Navegação

Busca

Ferramentas

QR Code