Currículo

Modelação Estocástica 03607

Contextos

Groupo: Ciência de Dados > 1º Ciclo > Unidades Curriculares Obrigatórias

ECTS

6.0 (para cálculo da média)

Objectivos

No final do período curricular desta UC, o aluno deverá: OA1. Compreender os princípios e métodos de simulação estocástica; OA2. Ser capaz de desenvolver algoritmos eficientes para a geração de números pseudoaleatórios; OA3. Ser capaz de aplicar o método de Monte Carlo; OA4. Compreender e ser capaz de aplicar diferentes métodos de Monte Carlo via Cadeias de Markov; OA5. Ser capaz de implementar técnicas de reamostragem; OA6. Ser capaz de simular um sistema real através de simulação de eventos discretos; OA7. Ser capaz de analisar e avaliar os resultados da simulação; OA8. Ser capaz de implementar algoritmos eficientes de simulação estocástica em R.

Programa

O Programa de Modelação Estocástica é constituído pelos seguintes conteúdos programáticos (CP): CP1. Introdução à Simulação em Ciência de Dados CP2. Geração de Números Pseudoaleatórios - Método Congruencial Linear; - Método da Transformação Inversa; - Método da Aceitação/Rejeição; - Outras Transformações; - Somas e Misturas CP3. Métodos de Monte Carlo em Inferência Estatística CP4. Métodos de Monte Carlo via Cadeias de Markov (MCMC) CP5. Métodos de Reamostragem - Bootstrapp; - Cross-Validation CP6. Simulação de Eventos Discretos

Método de Avaliação

A avaliação ao longo do semestre exige a presença em 2/3 das aulas e inclui: 1 - Um trabalho de grupo de 4 a 5 pessoas (30%), com eventual discussão individual; 2 - Dois mini-trabalhos de grupo de 2 pessoas (20%); 3 - Um teste final individual (50%). A aprovação requer classificação mínima de 8,5 no teste final e classificação final mínima (média) de 10 valores. A avaliação pode ser também realizada por exame (100%).

Carga Horária

Carga Horária de Contacto -

Trabalho Autónomo - 113.0

Carga Total -

Bibliografia

Principal

Templ, M. (2016). Simulation for Data Science with R. Packt Publishing Ltd:Birmingham, Uk. Rizzo, M. L. (2008). Statistical Computing with R. Chapman & Hall/CRC. Robert, C. P. and Casella, G. (2010). Introducing Monte Carlo Methods with R. Springer-Verlag.: