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.

Share This Course