LCE5871 - Residência em Análises Estatísticas e Inteligencia Artificial - Da PG em Estatistica e IA

 

LCE5871 - Residência em Análises Estatísticas e  Inteligencia Artificial

Carga Horária

Teórica por semana	Prática por semana	Créditos	Duração	Total
1	2	4	15 semanas	60 horas

Docentes responsáveis
Edwin Moises Marcos Ortega
Gabriel Adrian Sarries
Idemauro Antonio Rodrigues de Lara
Renata Alcarde Sermarini
Sônia Maria De Stefano Piedade
Taciana Villela Savian

Objetivo
Oferecer aos alunos do programa em Estatística e Experimentação Agronômica e Inteligência Artificial a oportunidade de um contato direto com os problemas reais envolvidos na experimentação. Desenvolver métodos estatísticos para solucionar problemas no planejamento e análise dos dados.

Conteúdo
Estudo, desenvolvimento e aplicações de métodos para o planejamento e análise quantitativa de dados inerentes a estudos observacionais e experimentais, com uso de recursos computacionais. Exercício de escrita de protocolos e relatórios técnicos de assessorias estatísticas.

Bibliografia
AGRESTI, A. Categorical data analysis. 3rd ed. New York: Wiley, 2012.
BARNETT, V. Sample Survey: Principles and Methods (3rd ed.). London: Arnold, 2002.
CHRISTENSEN, W. F., RENCHER, A. C. Methods of Multivariate Analysis, 3rd Edition, Wiley: 2012.
Cox, D.R.; Donnelly, C.A. (2011). Principles of Applied Statistical. Cambridge, Cambridge University Press.
DIGGLE, P. J., P. J. HEAGERT, K. Y. LIANG, and S. L. ZEGER. Analysisof longitudinal data. New York:Oxford University Press, 2002.
KLEINMAN, K., HORTON, N. SAS and R: Data Management, Statistical Analysis and Graphics. CRC Press, 2010.
LAWLESS, J. F. Statistical Models and Methods for Lifetime Data. John Wiley and Sons, New York. 2003.
LITTELL, R.C.; MILLIKEN, G.A.; STROUP, W.W.; WOLFINGER, R.D.; SCHABENBERGER, O. SAS for mixed models. SAS Institute Inc., Cary. 2006.
MANLY, B.F. Multivariate Statistical Methods: a primer, CHAPMAN & HALL. London, UK, 2004.
MONTGOMERY, D. C. Desgn and Analysis of Experiments, 8 ed. Wiley.
MONTGOMERY, D.C.; PECK, E.A.; VINING, G.G. 5rd. Introduction to Linear Regression Analysis. John Wiley, Nova Iorque. 2012.
NELDER, J.A. and WEDDERBURN, R.W.M. 1972.Generalized linear models. J. R. Stat. Soc. Ser. A Stat. Soc.135(Pt 3), 370–384.
MOLENBERGHS, G., & VERBEKE,G. Models for discrete longitudinal data. New York: Springer-Verlag, 2005.
PINHEIRO, J.C. and BATES, D.M. Mixed-Effects Models in S and S-PLUS, Springer, New York, NY, 2009.
RAO, C.R., TOUTENBURG,H., SHALABH, HEUMANN, C. Linear Models and Generalizations, 3rd ed. Springer, 2008.
R. Development Core Team. R: A languageandenvironment for statisticalcomputing. Vienna,Austria. Availablefrom: http://www.R-project.org.
SAS INSTITUTE INC. SAS/STAT ® 9.2 User’sGuide Procedures, 2008.
VENABLES, W.N. e RIPLEY, B.D. Statistics and Computing. Springer-Verlag. 2002. 495p