Regressão e Classificação

Cód.: MAT14350L

6 ECTS

Duração: 15 semanas/156 horas

Área Científica: Matemática

Língua(s) de lecionação: Português

Língua(s) de apoio tutorial: Português

Regime de Frequência: Presencial

Objetivos de Desenvolvimento Sustentável

4. Educação de qualidade - Assegurar a educação inclusiva, e equitativa e de qualidade, e promover oportunidades de aprendizagem ao longo da vida para todos.

Objetivos de Aprendizagem

Os objetivos desta UC são fornecer aos alunos os conceitos teóricos fundamentais para:
Saber como analisar a correlação envolvendo variáveis quantitativas;
Formular, ajustar e interpretar um modelo linear geral;
Utilizar as técnicas multivariadas de dependência e interdependência na análise de dados multivariados para reduzir a dimensionalidade e segmentar observações;
Interpretar de uma forma crítica os resultados obtidos a partir do software estatístico.

No final desta UC espera-se que os alunos tenham adquirido as seguintes competências:
Autonomamente construir e analisar os métodos estudados nesta UC;
Aplicar adequadamente as diversas ferramentas estatísticas abordadas nesta UC;
Interpretar os resultados apelando ao espírito crítico;
Capacidade de trabalho individual e em equipa;
Proceder as análises estatísticas com utilização de programas informáticos.

Conteúdos Programáticos

Correlação e regressão:Regressão linear simples e Regressão não linear
Regressão linear múltipla
Análise classificatória: hierárquica e não hierárquica
Análise discriminante
Regressão multinomial

Métodos de Ensino

As aulas serão lecionadas com recurso a projeções de material de apoio, complementadas com a exposição das matérias no quadro. Será dado especial ênfase à ilustração dos conteúdos teóricos com exemplos de aplicação relacionados com a área do curso. As aulas incluem a resolução de exercícios com recurso a programas estatísticos, sendo incentivado o trabalho autónomo dos estudantes.

Avaliação

A avaliação contínua consiste na realização de 2 trabalhos individuais ou em grupo (peso: 25% cada) e de duas frequências (peso: 25% cada. A nota mínima é igual a 8 valores em cada um dos momentos de avaliação e para obter aprovação o aluno deverá ter uma nota final igual ou superior a 10 valores.
O regime de avaliação final consiste na realização de um exame em época normal e de um exame em época de recurso.
O estudante é Aprovado no caso de obter classificação igual ou superior a 10 valores.

Durante a realização das frequências não é permitida a posse de telemóveis, auscultadores, smartwatches, nem de qualquer outra tecnologia que permita comunicar com o exterior.

O uso de ferramentas de IA é permitido nesta unidade curricular, na realização dos trabalhos, como apoio técnico, analítico e de aprendizagem, desde que os estudantes compreendam, validem e assumam responsabilidade total pelos resultados produzidos. A fabricação de fontes, dados ou resultados constitui infração grave à integridade académica.
O docente reserva-se o direito de convocar o aluno para defesa oral das avaliações realizadas, onde o aluno tem que ser capaz de explicar partes específicas do trabalho ou teste, escrever um código diferente que execute a mesma tarefa ou uma variante da mesma, analisar um outro conjunto, ou aplicar outra técnica estudada na disciplina. A classificação é determinada pelo desempenho nessa defesa oral.

Bibliografia

Hair, J.F., Anderson, R.E., Tatham, R.L., Black, W.C. (2010). Multivariate data analysis. 7th Ed. Pearson Prentice-Hall.

Johnson, R.A., and Wichern, D.W. (2007). Applied Multivariate Statistical Analysis. 6th Ed. Prentice Hall.

Matloff, N. (2017). Statistical regression and classification: from linear models to machine learning. CRC Press.

Montgomery, D. C., Peck, A. E., Vining, G. C. (2021). Introduction to Linear Regression Analysis. 6th Ed. John Wiley.