-
Apresentação
Apresentação
Fornece um leque alargado de conhecimentos, competências e ferramentas matemáticas essenciais.
-
Disciplina do curso
Disciplina do curso
-
Grau | Semestres | ECTS
Grau | Semestres | ECTS
Licenciado | Semestral | 5
-
Ano | Natureza | Lingua
Ano | Natureza | Lingua
1 | Obrigatório | Português
-
Código
Código
ULHT6643-620
-
Pré-requisitos e co-requisitos
Pré-requisitos e co-requisitos
Não aplicável
-
Estágio Profissional
Estágio Profissional
Não
-
Conteúdos Programáticos
Conteúdos Programáticos
Estatística descritiva: principais medidas de tendência central, não central e de dispersão. Correlação e regressão lineares.
Experiência aleatória. Acontecimento. Álgebra de acontecimentos. Conceitos de probabilidade (Laplace e Kolmogorov). Técnicas de contagem: permutações, arranjos e combinações. Probabilidade condicionada.
Independência. Teorema de Bayes.
Variáveis aleatórias discretas e contínuas. Funções de probabilidade e distribuição. Valor esperado, variância e desvio-padrão. Distribuições Binomial e Normal. Intervalo de confiança para a média e a proporção.
Formulação e representação gráfica de modelos de programação linear. Algoritmo “Simplex”. Programação não linear.
Método da bissecção e do gradiente. Multiplicadores de Lagrange. Condições de Karush-Kuhn-Tucker. Métodos de Wolfe e Lemke
-
Objetivos
Objetivos
Conhecer e saber calcular e interpretar as medidas estatísticas descritivas e identificar as suas propriedades. Saber calcular probabilidades usando a definição de Laplace e a axiomatização de Kolmogorov. Usar técnicas de contagem: permutações, arranjos e combinações. Saber calcular probabilidade condicionada e aplicar o teorema de Bayes.
Utilizar o conceito de variável aleatória e operar com funções de probabilidade e distribuições. Conhecer as distribuições discretas e contínuas mais importantes e algumas das suas propriedades. Calcular intervalos de confiança e aplicar testes de hipóteses e interpretar os resultados obtidos. Usar o algoritmo do simplex para resolver problemas de programação linear. Calcular o máximo/mínimo livre de uma função pelo método da bissecção e do gradiente. Resolver problemas de programação não linear pelo método dos multiplicadores de Lagrange. Avaliar as condições de KKT de um problema de PNL. Resolver problemas de PNL pelos métodos de Wolfe e Lemke
-
Metodologias de ensino e avaliação
Metodologias de ensino e avaliação
São apresentados exemplos para se analisarem os conceitos envolvidos.Os alunos são encorajados a experimentar várias estratégias de resolução
-
Bibliografia principal
Bibliografia principal
Apontamentos e séries de exercícios disponibilizados na plataforma moodle.
MURTEIRA, B., ANTUNES, M., Probabilidades e Estatística, Vol. I, Escolar Editora, 2012.
MURTEIRA, B., ANTUNES, M., Probabilidades e Estatística, Vol. II, Escolar Editora, 2013.
PEDROSA, A.C., GAMA, S.M., Introdução computacional à Probabilidade e Estatística, 3a ed., Porto Editora, 2018.
-
Horário de Atendimento
Horário de Atendimento
-
Mobilidade
Mobilidade
Não
