---

Área de concentração: 104131 - Programa Interinstitucional de Pós-Graduação em Estatística

Criação: 30/06/2023

Nº de créditos: 10

Carga horária:

Teórica Por semana	Prática Por semana	Estudos Por semana	Duração	Total
3	1	6	15 Semanas	150 Horas

Docentes responsáveis:

Carlos Alberto Ribeiro Diniz
Cibele Maria Russo Novelli
Jorge Luis Bazán Guzmán
Mário de Castro Andrade Filho
Rafael Izbicki
Vicente Garibay Cancho

Objetivos:

Estudo e aplicação de métodos multivariados para a análise de dados multidimensionais, sob enfoque inferencial e de aprendizado de máquina. Visualização e análise de modelos multivariados.

Justificativa:

Com o aumento da disponibilidade de grandes bases de dados complexas e de alta dimensionalidade, é imprescindível aos estudantes de pós-graduação em Estatística o estudo e desenvolvimento de habilidades teóricas e práticas sobre modelos e métodos multivariados, sob o enfoque inferencial e de aprendizado de máquina, para a predição, identificação de padrões, redução de dimensionalidade e agrupamentos de dados multidimensionais.

Conteúdo:

Estudo e aplicação de métodos multivariados para a análise de dados com enfoque inferencial e de aprendizado de máquina. Visualização de dados multivariados. Análise de regressão e de variância multivariada. Métodos para a redução de dimensionalidade. Análise de componentes principais. Análise fatorial. Métodos para agrupamentos de dados. Análise de agrupamentos hierárquicos e não-hierárquicos. Análise de correlação canônica. Análise de correspondência. Tópicos adicionais.

Forma de avaliação:

Sugere-se que a nota final (MF) seja obtida da seguinte forma: MF = 0.30*P1 + 0.30*P2 + 0.4*T. Na expressão acima, MF = média final; T = média de apresentação de trabalhos e seminários, ou a critério do docente.
Para notas finais entre 8,5 e 10 será atribuído o conceito A. Para notas entre 6,5 e 8,4 será atribuído o conceito B. Para notas entre 5,0 e 6,4 será atribuído o conceito C. Para notas abaixo de 5,0 será atribuído o conceito R, sendo que:
A – Excelente, com direito a crédito;
B – Bom, com direito a crédito;
C – Regular, com direito a crédito;
R – Reprovado, sem direito a crédito;

Observação:

Nenhuma.

Bibliografia:

Fundamentais:
1. Johnson, R. A., & Wichern, D. W. (2007). Applied multivariate statistical analysis. 6th. New Jersey, US:
Pearson Prentice Hall.
2. Mardia, K. V., Kent, J. T., & Bibby, J. M. (1979). Multivariate analysis academic press inc. London) Ltd, 15, 518.
3. Bishop, C. M., & Nasrabadi, N. M. (2006). Pattern recognition and machine learning (Vol. 4, No. 4, p. 738). New York: springer.

Complementares (se houver):
4. Vapnik, V. N. (1998). Statistical learning theory Wiley. New York, 1(624), 2.
5. Lattin, J., Carroll, J. D., & Green, P. E. (2011). Análise de dados multivariados. São Paulo: Cengage Learning, 475.