Resumo

Nesse minicurso você conhecerá a distribuição t de Student com seus três parâmetros e aprenderá a obter a moda de uma variável aleatóruia discreta sem calcular diretamente suas probabilidades.

Pré-requisito

Ter cursado a disciplina GET00189 Probabilidade I ou equivalente.

Vagas por curso

• Estatística: 25 vagas
• Matemática: 5 vagas
• Computação/SI: nenhuma
• Engenharias: nenhuma
• Economia: nenhuma
• Outros: nenhuma

Local e horário

IME/UFF, Campus Gragoatá. Sala de aula ainda não definida.

Terça-feira, 12/03, de 8:00 a 10:00.

Docente

Maria Cristina Bessa Moreira

Resumo

Nesse minicurso você será apresentado a algumas interessantes distribuições bidimensionais, particularmente no caso em que uma das variáveis é discreta e a outra é contínua.

Pré-requisito

Ter cursado a disciplina GET00190 Probabilidade II ou equivalente e ter conhecimento de Inferência Bayesiana.

Vagas por curso

• Estatística: 25 vagas
• Matemática: 5 vagas
• Computação/SI: nenhuma
• Engenharias: nenhuma
• Economia: nenhuma
• Outros: nenhuma

Local e horário

IME/UFF, Campus Gragoatá. Sala de aula ainda não definida.

Quinta-feira, 14/03, de 8:00 a 10:00.

Docente

Maria Cristina Bessa Moreira

Resumo

A linguagem LaTeX serve para a edição de textos e é uma ferramenta de código aberto e gratuita, disponível para várias plataformas. É especialmente eficaz para documentos acadêmicos que contêm muitas fórmulas matemáticas, equações e referências cruzadas, como trabalhos de conclusão de curso, apresentações, artigos, dissertações, teses e relatórios técnicos.

Pré-requisito

Não há.

Vagas por curso

• Estatística: 20 vagas
• Matemática: 10 vagas
• Computação/SI: 2 vagas
• Engenharias: 2 vagas
• Economia: 2 vagas
• Outros: 2 vagas

Local e horário

IME/UFF, Campus Gragoatá. LIGRE, Bloco H, 2º andar.

Segunda e Quarta-feira, 11 e 13/03, de 8:00 a 10:00; Sexta-feira, 15/03, de 8:00 a 11:00.

Docente

Patrícia Lusié Velozo da Costa

Resumo

Introdução: É usual que os alunos do curso de graduação em Estatística no decorrer de uma disciplina dêem enfoque nos estudos nas notações e contas envolvidas nos tópicos abordados ao longo do semestre. “Flashback de conceitos e práticas em estatística” visa reavivar no aluno uma abordagem mais conceitual e prática destes tópicos. Metodologia: encontros discutindo temas já apresentados em disciplinas de 1º e 2º períodos do curso de graduação em Estatística. Resultados esperados: tem-se como expectativa que a revisão conceitual e prática dos tópicos contemplados no minicurso contribuam para melhor fixação de conhecimentos, bem como facilitem o aprendizado de novos temas a serem vistos no decorrer da graduação, colaborando para a melhor formação do aluno.

Pré-requisito

Ter noções de inferência em população normal ou ter cursado a disciplina GET00182 Estatística II ou equivalente.

Vagas por curso

• Estatística: 30 vagas
• Matemática: nenhuma
• Computação/SI: nenhuma
• Engenharias: nenhuma
• Economia: nenhuma
• Outros: nenhuma

Local e horário

IME/UFF, Campus Gragoatá. Sala de aula ainda não definida.

Segunda e Quarta-feira, 11 e 13/03, de 14:00 a 17:00.

Docente

Núbia Karla de Oliveira Almeida

Resumo

A estatística computacional propõe o desenvolvimento e a aplicação de métodos computacionais em diversas áreas dentro da estatística, tornando-se uma das principais disciplinas devido ao contínuo avanço na capacidade computacional. Este ramo concentra-se na utilização de técnicas computacionais para resolver diversos problemas estatísticos. O objetivo deste curso é apresentar aos alunos alguns métodos computacionalmente intensivos, capacitando-os a implementar algoritmos e técnicas da estatística computacional..

Pré-requisito

Noções de probabilidade e conhecimentos básicos no R.

Vagas por curso

• Estatística: 15 vagas
• Matemática: 10 vagas
• Computação/SI: 5 vagas
• Engenharias: 2 vagas
• Economia: 2 vagas
• Outros: 1 vaga

Local e horário

IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.

Segunda, Quarta e Sexta-feira, 04, 06 e 08/03, de 11:00 a 13:00.

Docente

Victor Eduardo Leite de Almeida Duca

Resumo

A construção de gráficos no R foi revolucionada com a criação do pacote ggplot2, cuja filosofia se baseia na sobreposição de camadas. Com essa essência, os gráficos do pacote são naturalmente mais bonitos, possuem fácil personalização e a estrutura padronizada das funções deixa o aprendizado mais intuitivo. O presente minicurso tem por objetivo explorar diversas funções particulares do pacote ggplot2, que não são vistas em um curso introdutório de R.

Pré-requisito

Conhecimentos de R.

Vagas por curso

• Estatística: 15 vagas
• Matemática: 10 vagas
• Computação/SI: 5 vagas
• Engenharias: 5 vagas
• Economia: 5 vagas
• Outros: 5 vagas

Local e horário

IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.

Terça e Quinta-feira, 12 e 14/03, de 14:00 a 17:00.

Docente

Guilherme Augusto Veloso

Resumo

Os dados de painel ou longitudinais são aqueles em que as mesmas unidades do corte transversal (indivíduos, empresas, municípios etc) variam ao longo do tempo. A vantagem dessa estrutura de dados é que, ter múltiplas observações sobre as mesmas unidades nos permite controlar certas características não observáveis dos indivíduos, das empresas, municípios etc. O objetivo deste curso é apresentar os principais modelos aplicados a esses dados (efeitos fixos, efeitos aleatórios e primeira diferenciação), utilizando o software livre GRETL (GNU Regression, Econometrics and Time-series Library). Esses modelos são muito utilizados na análise de políticas públicas. A principal referência bibliográfica é o Jeffrey M. Wooldridge, no livro introdutório “Introdução à Econometria: uma abordagem moderna” e o “Econometric Analysis of Cross Section and Panel Data”.

Pré-requisito

Conhecimentos sobre modelos de regressão normal.

Vagas por curso*

• Estatística: 10 vagas
• Matemática: 5 vagas
• Computação/SI: nenhuma
• Engenharias: 5 vagas
• Economia: nenhuma
• Outros: nenhuma

* O número de vagas está condicionado à quantidade de computadores disponíveis. A inscrição poderá ocorrer, no caso das vagas terem sido totalmente preenchidas, caso o aluno utilizei computador próprio.

Local e horário

IME/UFF, Campus Gragoatá. LES, bloco H, 2 º andar.

Segunda, Quarta e Sexta-feira, 04, 06 e 08/03, de 9:00 a 11:00.

Docente

Márcia Marques de Carvalho

Resumo

Neste curso, exploraremos a modelagem de dados longitudinais usando o modelo de efeitos mistos, abrangendo dois casos essenciais: resposta quantitativa e binária. Para isso, faremos uma revisão do modelo de regressão linear e do modelo de regressão logística. Todas as aplicações serão conduzidas utilizando o software R.

Pré-requisito

Conhecimentos básicos em R e noções de modelagem (modelo de regressão linear).

Vagas por curso

• Estatística: 15 vagas
• Matemática: 5 vagas
• Computação/SI: nenhuma
• Engenharias: nenhuma
• Economia: 5 vagas
• Outros: 5 vagas

Local e horário

IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.

Terça e Quinta-feira, 05 e 07/03, de 10:00 a 13:00.

Docente

Jony Arrais Pinto Junior

Resumo

Os Métodos de Monte Carlo via Cadeias de Markov (MCMC) representam uma abordagem poderosa e eficaz para a resolução de problemas em Estatística através da simulação/geração de amostras de distribuições de probabilidade. Essa técnica estatística utiliza amostras aleatórias geradas com o auxílio de uma cadeia de Markov de fácil simulação e que alcança uma distribuição de equilíbrio equivalente à distribuição de interesse. As amostras obtidas são extremamente úteis para estimar propriedades de sistemas complexos e calcular integrais multidimensionais. Essa abordagem encontra aplicações em diversas áreas, como otimização, inferência estatística e aprendizado de máquinas. A flexibilidade e eficiência dos Métodos de MCMC torna-os uma ferramenta valiosa para lidar com problemas complexos em que abordagens analíticas são inviáveis. O objetivo deste minicurso é introduzir os principais Métodos de MCMC, focando em exemplos de aplicações no contexto de inferência Bayesiana, servindo de base para futuros estudos na área.

Pré-requisito

Noções de inferência bayesiana e conhecimento em R.

Vagas por curso

• Estatística: 15 vagas
• Matemática: 10 vagas
• Computação/SI: 2 vagas
• Engenharias: 2 vagas
• Economia: 1 vaga
• Outros: nenhuma

Local e horário

IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.

Segunda e Quarta-feira, 11 e 13/03, de 10:00 a 13:00; Sexta-feira, 15/03, de 11:00 a 13:00.

Docente

Mariana Albi de Oliveira Souza

Resumo

Neste curso serão respondidas algumas perguntas de forma geral e apresentadas as ferramentas necessárias para que o aluno possa se aprofundar nas respostas por conta própria após o término do curso. As perguntas a serem respondidas são: O que são redes neurais? Para que elas servem? Quais as principais arquiteturas? O que significa “treinar” uma rede neural? Como posso treinar uma rede neural no R?.

Pré-requisito

Conhecimentos de R.

Vagas por curso

• Estatística: 15 vagas
• Matemática: 10 vagas
• Computação/SI: 5 vagas
• Engenharias: 5 vagas
• Economia: 5 vagas
• Outros: 5 vagas

Local e horário

IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.

Terça e Quinta-feira, 12 e 14/03, de 10:00 a 13:00.

Docente

Jessica Quintanilha Kubrusly

Resumo

Facilmente percebemos que algumas visualizações de dados são melhores do que outras. Naturalmente, isso nos faz pensar: será possível definir uma regra geral do que funciona e não funciona na construção de um gráfico em qualquer cenário? A resposta é não! A eficácia de um gráfico está diretamente relacionada com o usuário e seu objetivo. De forma geral, pode-se afirmar que bons métodos de visualização oferecem ferramentas extremamente valiosas que devem ser usadas no processo de exploração, compreensão e explicação dos dados. Neste curso, veremos as principais formas de visualização para distintos conjuntos de dados, sempre utilizando o software R.

Pré-requisito

Conhecimentos de R.

Vagas por curso

• Estatística: 15 vagas
• Matemática: 10 vagas
• Computação/SI: 5 vagas
• Engenharias: 5 vagas
• Economia: 5 vagas
• Outros: 5 vagas

Local e horário

IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.

Segunda, Quarta e Sexta-feira, 04, 06 e 08/03, de 14:00 a 17:00.

Docente

Rafael Santos Erbisti

Resumo

O versionamento de código desempenha um papel crucial no desenvolvimento de software, permitindo-nos registrar e acompanhar as diferentes iterações do nosso trabalho à medida que evoluímos no processo de construção. Essa prática torna-se essencial tanto para indivíduos que trabalham de forma independente quanto para equipes. Para o profissional de dados, a importância do versionamento de código é inquestionável. Ele proporciona uma base sólida para o desenvolvimento colaborativo, facilitando a coordenação eficiente entre membros da equipe e garantindo a integridade do código ao longo do tempo. Desenvolvido por Linus Torvalds, o Git é uma ferramenta fundamental que nos auxilia na organização do nosso código. O propósito deste curso é fornecer uma introdução aos conceitos e práticas de versionamento de código utilizando o Git, tanto no contexto de trabalhos colaborativos quanto na organização eficaz de seus próprios projetos.

Pré-requisito

Não há.

Vagas por curso

• Estatística: 15 vagas
• Matemática: 10 vagas
• Computação/SI: 5 vagas
• Engenharias: 5 vagas
• Economia: 5 vagas
• Outros: 5 vagas

Local e horário

IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.

Terça e Quinta-feira, 05 e 07/03, de 14:00 a 16:00.

Docente

Daniel Santos