Plano de Ensino de Probabilidade e Estatística (Data Analysis)

Fonte: Wikiversidade

Plano de Ensino de Probabilidade e Estatística (Data Analysis)

Plano de Ensino

Nome do professor: Paulo Marcotti

E-mail: paulo.marcotti@cs.edu.br

Curso: Sistemas de Informação

Título da disciplina: Probabilidade e Estatística (Data Analysis)

Carga horária: 80 horas-aula no semestre

Semestre: 5

Período: Noturno


Justificativa

Fornecer ao aluno uma visão da aplicação do método estatístico. Sendo um método científico empregado no processo de transformação de dados numéricos em informação, justifica-se transmitir conceitos, métodos e formas de cálculos, além de exemplos práticos para a solução de problemas de diversas naturezas onde há a presença de dados numéricos. Com as bases teóricas da estatística são analisados os dados das empresas com a finalidade da tomada de decisão. A área de Data Analysis utiliza ferramentas como a linguagem R e a linguagem Python para automatizar os cálculos necessários, e analista de sistema necessita entender e aplicar todo este ferramental atualmente.


Objetivos

Capacitar o aluno para o tratamento de dados para gerar informações e desenvolver análises para a tomada de decisões. Oferecer aos alunos o conhecimento do instrumental básico dos métodos estatísticos à sua área de atividade. Reconhecer a oportunidade e aplicar adequadamente as técnicas de Data Analysis e aplicar o ferramental da Estatística e Probabilidade no seu campo de atuação profissional. Levar o aluno a compreender a importância das técnicas estatísticas no mundo dos negócios. Capacitar à compreensão dos resultados de pesquisas que utilizam abordagem estatística. Capacitar o aluno ao correto entendimento e importância dos conceitos, métodos e operações estatísticas. Aplicar as ferramentas computacionais corretamente para conseguir a produtividade necessária para a análise de dados para a tomada de decisão. Ementa Introdução à estatística; variáveis; tabelas; gráficos; distribuições de frequências; medidas de tendência central; medidas de posição; separatrizes; medidas de variabilidade e probabilidade.

Conteúdo Programático

   1. Estatística descritiva ou dedutiva: conceitos iniciais; medidas de tendência posição; medidas de dispersão; distribuição de frequência;
   2. Linguagem R; Exercícios de utilização de estatística descritiva utilizando linguagem R;
   3. Amostragem;
   4. Método estatístico;
   5. Estatística Inferencial ou Indutiva; População e amostra; Estimação;
   6. Inferência Bayesiana;
   7. Correlação linear; Regressão linear simples; Regressão multipla;
   8. Diagrama de dispersão; Utilização da linguagem R com diagramas;
   9. Probabilidade; Eventos; Distribuição de probabilidade contínua: distribuição normal: distribuição normal; tabela da distribuição normal padrão; dados observados e modelo normal; Esperança matemática.


Metodologias de ensino

A metodologia aplicada utiliza aulas teóricas expositivas e materiais de estudo disponibilizados em plataforma de ensino a distância, mescladas com parte prática (aplicação dos conceitos e técnicas apresentadas), através de exercícios (executados presencialmente e a distância) e elaboração de projeto (com a formação de equipes de alunos) e ainda seminários apresentados pelos alunos.


Avaliação - critérios e instrumentos

As notas P1 e P2 são compostas por prova individual (com peso 70 %) e atividades avaliativas durante cada bimestre (com peso 30 %). Uma média geral do semestre é calculada como a média aritmética das notas bimestrais P1 e P2. A nota MI (corresponde a uma avaliação multidisciplinar, realizada pela instituição com todas questões de todas as disciplinas do curso) é adicionada à média geral. Ao final do semestre o aluno pode fazer uma prova substitutiva, que pode substitui a menor nota da prova P1 ou P2, compondo novamente com os trabalhos, recalculando a média caso melhore a média final. O aluno é aprovado com média final maior ou igual a 6,0.

Bibliografia básica

   1. SILVA, E. M. et at. Estatística: para os cursos de Economia, Administração e Contábeis. São Paulo: Atlas, 2010.
   2. MORETTIN, Luiz Gonzaga. Estatística básica: probabilidade. 6 ed. São Paulo: Makron Books do Brasil, 1994.
   3. FONSECA, Jairo Simon da; MARTINS, Gilberto de Andrade; TOLEDO, Geraldo Luciano. Estatística aplicada. 2 ed. São Paulo: Atlas, 2013.

Bibliografia Complementar

   1. CORREA, Sonia Maria Barros Barbosa. Probabilidade e Estatística. Disponível em: <http://www.inf.ufsc.br/~vera.carmo/LIVROS/LIVROS/livro_probabilidade_estatistica_2a_ed.pdf>. Acesso em: 29 nov 2016; 
   2. UFPB. Cálculo das Probabilidades e Estatística I. Disponível em: <http://www.de.ufpb.br/~ulisses/disciplinas/livro-cpe-i.pdf>. Acesso em: 29 nov 2016;
   3. AUGUSTO,  Andre Luiz Gomes. Uma introdução à probabilidade e à Estatística no EJA (educação de jovens e adultos) em busca da democratização do ensino. Disponível em: <https://impa.br/wp-content/uploads/2016/12/andre_luiz_gomes_augusto.pdf>. Acesso em: 29 nov 2016;
   4. PIANA, Clause Fátima de Brum; MACHADO, Amauri de Almeida; SELAU, Lisiane Priscila Roldão. Estatística básica. Disponível em: <http://www.energiapura.net.br/alunos/planejamento_experimentos/Aulas_PAE/aula1_PAE/Apostila_EB.pdf>. Acesso em: 29 nov 2016;
   5. ROSA, Guilherme Miguel. Probabilidade. Disponível em: < https://www.youtube.com/watch?v=eZgF5pvwNd4>. Acesso em: 29 nov 2016.


Distribuição do tempo

1ª semana: Apresentação da disciplina, plano de ensino e projeto final da disciplina. Conceituação de estatística. População, universo, censo e amostra. Introdução à Linguagem R.

2ª semana: Tabelas e gráficos estatísticos. Distribuição de frequência. Utilização da Linguagem R para gerar gráficos.

3ª semana: Medidas de posição: conceito de média aritmética e sua relação com medidas de dispersão. Medidas de posição: média aritmética simples e ponderada. Medidas de dispersão: variância, desvio padrão e coeficiente de variação. Utilização da Linguagem R para cálculos de medidas de posição.

4ª semana: Medidas de posição: moda para dados não agrupados e agrupados. Medidas de posição e separatrizes: mediana para dados agrupados. Quartis, decis e centis para dados agrupados. Utilização da Linguagem R para cálculos de medidas de posição.

5ª semana: Esperança matemática. Distribuição Normal e o modelo Normal.

6ª semana: Estatística Inferencial ou Indutiva. População e amostra.

7ª semana: Estimação. Inferência Bayesiana. Conceitos da Linguagem Python.

8ª semana: Inferência Bayesiana. Utilização da Linguagem Python para estatística.

9ª semana: Semana de prova. As questões de prova serão sobre os conceitos da Estatística Descritiva e Inferencial.

10ª semana: Vista das provas. Correlação Linear e Regressão Linear. Utilização da Linguagem R com exemplos de regressão.

11ª semana: Regressão Múltipla. Utilização do software WEKA.

12ª semana: Probabilidade. Experimento aleatório. Eventos. Probabilidade condicional. Independência de Eventos. Utilização da linguagem Python para cálculos de probabilidade.

13ª semana: Variáveis aleatórias. Distribuição de probabilidade. Função densidade de probabilidade. Esperança matemática. Linguagem Python para cálculos de probabilidade.

14ª semana: Projeto de análise de dados.

15ª semana: Projeto de análise de dados.

16ª semana: Projeto de análise de dados.

17ª semana: Semana de Prova P2. Questões sobre probabilidade e análise de dados.

18ª semana: Vista de provas, considerações finais e balanço dos resultados obtidos pela disciplina.

19ª semana: Semana de provas substitutivas.

20ª semana: Plantão de dúvidas.


Trabalhos Domiciliares/Plano de Adaptação e ou DP


Considerando as 4 primeiras semanas de aula, descreva atividades a serem realizadas pelo aluno caso fique afastado neste período.

Exercícios relativos a tabelas e gráficos estatísticos, distribuição de frequência, média aritmética simples e ponderada.

Exercícios relativos a medidas de dispersão. Exercícios relativos a medidas de posição e separatrizes.


Considerando as semanas de 5 a 8, descreva atividades a serem realizadas pelo aluno caso fique afastado neste período.

Exercícios relativos à correlação e regressão linear.


Considerando as semanas de 10 a 13, descreva atividades a serem realizadas pelo aluno caso fique afastado neste período.

Exercícios relativos à distribuição de probabilidades.


Considerando as semanas de 14 a 17, descreva atividades a serem realizadas pelo aluno caso fique afastado neste período.

Projeto de análise de dados.