Área de Concentração: 95131
Concentration area: 95131
Criação: 13/04/2022
Creation: 13/04/2022
Ativação: 13/04/2022
Activation: 13/04/2022
Nr. de Créditos: 8
Credits: 8
Carga Horária:
Workload:
Teórica (por semana) |
Theory (weekly) |
Prática (por semana) |
Practice (weekly) |
Estudos (por semana) |
Study (weekly) |
Duração | Duration | Total | Total |
|---|---|---|---|---|---|---|---|---|---|
| 4 | 0 | 4 | 15 semanas | 15 weeks | 120 horas | 120 hours |
Docentes Responsáveis:
Professors:
Julia Maria Pavan Soler
André Fujita
Anatoli Iambartsev
Objetivos:
Introduzir conceitos básicos de estatística e métodos multivariados de análise de dados com aplicações focadas em dados biológicos.
Justificativa:
Devido à geração crescente de grandes quantidades de dados biológicos, cada vez mais profissionais da área de bioinformática necessitam de conhecimentos básicos em métodos de análise estatística
Conteúdo:
1. Álgebra linear básica: cálculo matricial, sistemas lineares, espaços vetoriais, produto interno, norma, ortogonalidade, determinantes, decomposição em valores singulares. 2. Modelos estatísticos: estrutura de dados, modelos lineares (ANOVA e regressão), comparação de médias (correções para múltiplos testes), modelos lineares generalizados (tabelas de contingência, testes qui-quadrado, modelos de regressão logística). 3. Análise Multivariada de Dados: componentes principais, análise discriminante, agrupamento, MANOVA, correlação canônica. 4. Intervalos de Confiança e Testes baseados em Bootstrap e Permutação 7. Simulação de Monte Carlo
Forma de Avaliação:
A avaliação será realizada através de lista de exercícios, provas e projetos
Bibliografia:
1. Bussab, W.O.; Morettin, P.A. (2017). Estatística Básica. Editora Saraiva. 2. Magalhães, M.N.; de Lima, A.C.P. (2013). Noções de Probabilidade e Estatística. EDUSP. 3. Strang, G. (2010) Álgebra linear e suas aplicações - Ed. Cengage Learning. 4. Coelho, F.U.; Lourenço, M.L. (2001). Um curso de álgebra linear - EDUSP. 5. Neter, J; Kutner, MH; Li, W; Nachtsheim, JC. (2005) Applied Linear Statistical Models. 5th ed., Boston: McGraw-Hill. 6. Oehlert, GW. (2010) A first course in Design and Analysis of Experiments. Univ. of Minnesota, Licensed by Creative Commons. 7. Everitt, B.S. (2005). An R and S-Plus Companion to Multivariate Analysis. Springer. 8. Johnson, R.A. e Wichern, D.W. (2002). Applied Multivariate Statistical Analysis. Prentice Hall. 9. Manly, B.F.J. (2005). Multivariate Statistical Methods. A primer. Chapman & Hall/CRC. 10. Chernick, MR; LaBudde, RA. (2012). An Introduction to Bootstrap Methods with Applications to R. Wiley. 11. Manly, B.F.J. (2007). Randomization, Bootstrap and Monte Carlo Methods in Biology. Chapman & Hall/CRC. 12. James, G; Witten, D; Hastie, T; Tibshirani, R. (2015). An Introduction to Statistical Learning. Springer. Irizarry, R.A; 13. Love, M.I. (2015). Data Analysis for the Life Sciences. http://leanpub.com/dataanalysisforthelifesciences.
Tipo de oferecimento da disciplina:
Não-Presencial
Class type:
Não-Presencial