Modelação estatística
Séries temporais

- conhecer os conceitos e os métodos de modelação de séries temporais univariadas que são estudados e realizar aplicações com apoio de software estatístico;
- ser capaz de identificar as vantagens e desvantagens de um tipo de modelação para situações concretas e reconhecer a complementaridade de abordagens;
- ter adquirido familiaridade com os tipos de modelação e a derivação dos testes de significância estudados, que lhe permita fazer a escolha mais adequada a um contexto e objetivo concretos e investigar novas metodologias/testes ou melhorar metodologias existentes.

1. Revisões de Modelos lineares: Mínimos Quadrados; teorema de Gauss-Markov; intervalos de confiança e de predição; Modelo Linear Geral; Mínimos Quadrados Generalizados e Máxima Verosimilhança; Análise de resíduos.
2. Séries temporais no domínio do tempo (discreto): série temporal e observações dependentes. Decomposição da série e estimação das componentes; tipos de processos estocásticos, modelos AR(I)MA; estacionaridade e invertibilidade; modelos sazonais e não estacionários; funções de auto-covariância e funções de autocorrelação; processos Gaussianos. Diagnóstico; Testes de hipóteses. Análise da Estacionaridade. Previsão em modelos lineares e referência a outras técnicas.. Exemplos estudados com recurso a software.
3. Séries temporais no domínio da Frequência. Densidade Espectral; Transformada de Fourier; periodograma. Outros tópicos possíveis: Ondeletas, Análise de Componentes Independentes; séries temporais e redes neuronais artificiais.
4. Séries temporais e redes neuronais artificiais: definição e estrutura de redes neuronais; tipos de redes neuronais (back propagation, RBF, dynamic Bayesian, predictive modular); utilização de redes neuronais na estimação e previsão de séries temporais.

• Woodward, Gray, Elliott: Applied Time Series Analysis, CRC Press, 2011
• Bloomfield: Fourier Analysis of Time Series: An Introduction, 2nd ed, Wiley, 2000
• Pedrycz, Chen: Time Series Analysis, Modeling and Applications: A Computational Intelligence Perspective, Springer, 2012

E-learning

A avaliação tem caráter individual e implica a coexistência de duas modalidades: avaliação contínua (60%) e avaliação final (40%). Essa avaliação será desenvolvida na aplicação de formas diversificadas, definidas no Contrato de Aprendizagem da unidade curricular.