Introdução a Estatística
Objetivo:
Aprender os elementos básicos da estatística aplicados a projetos de aprendizagem de máquina. Este curso introduz técnicas para amostragem e o teorema de Bayes. Também serão discutidos aspectos relacionados a testes estatísticos de hipótese e interpretação de p-valores.
Tópicos:
- Amostragem
- Espaço Amostral
- Eventos Aleatórios
- Amostragem Aleatória Simples
- Amostragem Aleatória Estratificada
- Probabilidade
- Função de Probabilidade
- Axiomas de Probabilidade
- Eventos Independentes
- Probabilidade Condicional
- Teorema de Bayes
- Teorema Central do Limite
- Medidas de Posição
- Média
- Moda
- Mediana
- Distribuições de Probabilidade
- Bernoulli
- Geométrica
- Binomial
- Poisson
- Variáveis Aleatórias Contínuas
- Distribuição Uniforme
- Distribuição Exponencial
- Distribuição Normal
- Intervalos de Confiança
- Testes Estatísticos
- Hipóteses Estatísticas
- Tipos de Erros
- Teste de hipóteses usando p–valor
- Teste para médias
Duração:
- Aula Teórica Presencial: 2 Semana (16h). Quatro encontros de 4 horas.
- Projetos individuais e atividades da disciplina: 64 h
Audiência:
Estudantes Graduados em Ciência da Computação ou áreas correlatas.
Bibliografia:
DasGupta, A., 2011. Probability for Statistics and Machine Learning: Fundamentals and Advanced Topics. Springer, New York.
Wasserman, L., 2010. All of Statistics: A Concise Course in Statistical Inference. Springer, New York, NY.
Moore, D.S., Notz, W.I., Fligner, M.A., 2015. Statistics in practice, 1st ed. W. H. Freeman and Company, a Macmillan Higher Education Company, New York, NY.
James, G., Witten, D., Hastie, T., Tibshirani, R. (Eds.), 2013. An introduction to statistical learning: with applications in R, Springer texts in statistics. Springer, New York.