2025

Regressão e Classificação

Nome: 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

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 uma frequência (50%). 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.

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.

Equipa Docente (2024/2025 )