Estatística Computacional I e II

• Computação Estatística
  • Fundamentos da linguagem R
  • Manipulação de dados
  • Estatística descritiva e visualização
  • Estatística básica
  • Relatórios dinâmicos
• Estatística Computacional

Conteúdo pretendido

• Representação de algoritmos
  • Fluxograma
  • Pseudo-código
• Implementação em R
  • Uso eficiente da linguagem R
  • Estruturas de controle e repetição
  • Fatoração do código
  • Exceções e tratamento de erros
  • Documentação das funções
• Geração de números aleatórios
  • Uniformes, discretas, contínuas e multivariadas
• Métodos computacionalmente intensívos
  • Bootstrap e reamostragens
  • Jackknife e validação cruzada
  • Monte Carlo

Habilitações

• Avaliar as propriedades de:
  • Estatísticas e delineamentos;
  • Estimadores pontuais e intervalares;
  • Testes de hipótese e regras de decisão.
• Avaliar o desempenho de implementações.
  • Debugging.
  • Benchmarking.
• Planejar e executar estudos de simulação.
• Fazer inferência via métodos computacionalmente intensivos.
• Simular de modelos estatísticos:
  • e.g. modelo de sobrevivência com censura;
  • e.g. modelo de teoria de resposta ao item;
  • e.g. modelo hierárquico de efeitos aleatórios;
  • e.g. modelo geoestatístico multivariado.
• Desenvolver pacotes.

Ementa

• Carga horária: 60 horas
• Pré-requisitos:
  • CE 083 - Estatística Computacional I
  • CE 085 - Estatística Inferêncial

Referências

Avaliações

• Sabatinas: ~10 com peso 0.7.
• Trabalho final: peso 0.3.

Delineamento quadrado latino

Criar o algoritmo para gerar ensaios no delineamento de quadrado latino.

k <- 5
s <- 1:k
dql <- matrix(0, k, k)
for (i in s) {
    dql[i, ] <- (s - i) %% k
}
dql <- dql + 1
dql

##      [,1] [,2] [,3] [,4] [,5]
## [1,]    1    2    3    4    5
## [2,]    5    1    2    3    4
## [3,]    4    5    1    2    3
## [4,]    3    4    5    1    2
## [5,]    2    3    4    5    1

Próxima aula

• Rever estruturas de controle e repetição.
• Praticar a representação com fluxogramas.