Currículo

Modelação Estocástica 03607

Contextos

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

- Avaliação ao longo do semestre A avaliação ao longo do semestre exige a presença em 2/3 das aulas e integra os seguintes elementos: • Lecionação de duas aulas pelos estudantes, organizados em grupos, incidindo sobre temas definidos pelo docente – 40% • Intervenção e participação nas aulas – 10% • Teste escrito individual – 50% A aprovação requer classificação mínima de 8,5 no teste final e classificação final mínima (média) de 10 valores. - Avaliação por exame Os estudantes que realizem avaliação por exame serão avaliados através de: • Exame escrito – 50% • Elaboração de um ensaio individual – 50% O ensaio deverá evidenciar capacidade de análise crítica, domínio dos conteúdos da unidade curricular e aplicação adequada dos métodos e técnicas abordados. - Discussão oral complementar A coordenadora da unidade curricular pode determinar a realização de uma discussão oral complementar relativamente a qualquer elemento de avaliação previsto na presente Ficha de Unidade Curricular, sempre que tal se revele necessário para confirmar a aquisição dos conhecimentos e competências avaliados, ou esclarecer discrepâncias entre diferentes elementos de avaliação. A discussão oral complementar não constitui um instrumento autónomo de avaliação, não tem ponderação própria na classificação final da unidade curricular e destina-se exclusivamente à validação da classificação do respetivo elemento de avaliação. A classificação anteriormente atribuída a esse elemento tem natureza provisória até à realização da discussão oral complementar, podendo ser confirmada ou revista em função da validação realizada e dos critérios de avaliação aplicáveis. A convocatória para a discussão oral complementar será comunicada ao estudante com antecedência mínima de 24 horas, indicando a data e a hora de realização. A não comparência, sem justificação atendível, implica a impossibilidade de validação do respetivo elemento de avaliação, aplicando-se as consequências previstas para a sua não realização ou desistência.

Carga Horária

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.:

Secundária

• Wickham, H. and Grolemund , G. (2017). R for Data Science. O'Reilly Media Inc.:

Disciplinas de Execução