Ir para o conteúdo principal
Painel lateral
Disciplinas »
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
AACCs/FFLCH
Pró-Reitoria de Pós-Graduação
Outros
Suporte »
Acesso
Perfis
Ouvintes
Docentes
Criação de Disciplinas da USP
Documentação
HelpDesk e Contato
Guia de uso
Sobre
Português - Brasil (pt_br)
Deutsch (de)
English (en)
Español - Internacional (es)
Français (fr)
Italiano (it)
Português - Brasil (pt_br)
Buscar
Fechar
Buscar
Alternar entrada de pesquisa
Acessar
SME0822 - Análise Multivariada e Aprendizado Não Supervisionado (2023)
Início
Ambientes
2023
ICMC
SME
SME0822-201-2023
Motivação
Motivação - R
Motivação - R
Clique no link
Motivação_R.ipynb
para ver o arquivo.
◄ Motivação
Seguir para...
Seguir para...
Fórum
Programa da disciplina - JupiterWeb
Cronograma
Repositório github
Playlist Análise Multivariada e Aprendizado Não-Supervisionado - inscrevam-se no canal e compartilhem ;)
Link meet
Álgebra matricial para Estatística
Questionário Q1 - até 27/08/2023
Questionário Q2 - até 07/09/2023
Questionário Q3 - até 25/9
Questionário Q4 - até 03/10/2023
Questionário Q5 - até 31/10/2023
Questionário Q6 - até 21/11/2023
Aula Prática 14/11 e 16/11 - Entrega até 05/12
Motivação
Motivação - Python
Aula 1a - Organização dos dados e Análise descritiva
Aula1b - Análise descritiva em R
Aula1c - Análise descritiva em Python
Aula 2a Notação Matricial Parte 1
Aula 2b Notação Matricial Parte 2
Aula 2c Exemplo Produto Kronecker
Aula 2d Notação Matricial Python
Aula 3a - Vetores aleatórios
Aula3b Propriedades dos estimadores: vetor de médias e matriz de variâncias e covariâncias amostrais
Aula 4a Distribuição normal multivariada
Aula 4b - Distribuição Normal Multivariada - Visualização em R e Python
Aula 4c - Inferência sobre um vetor de médias
Aula 5a Testes de hipóteses para a comparação de vetores de médias
Aplicação em Python rpy2 Shapiro Wilk, TLC e Teste de Hipótese (aula ao vivo 17/9)
Aula 5b - Aplicações em Python de testes de hipóteses para o vetor de médias
Aula 6a Análise de Variância Multivariada - MANOVA
Aula 6b Aplicação de MANOVA em R
Aula 6c Regressão Multivariada
Aula 6d Regressão Multivariada em R
Aula 7a Análise de Componentes Principais
Aula7b Análise de Componentes Principais PCA em Python
Aula 8a Análise Fatorial
Aula 8b Análise Fatorial - Aplicação em Python
Aula 9a Análise de Correlações Canônicas
Aula 9b Análise de Correlações Canônicas - Uma aplicação em Python
Aula 10a - Análise de Agrupamentos
Aula 10b - Análise de Agrupamentos - Aplicação em Python
Aula10c Análise de Agrupamentos - Um exemplo passo a passo "feito à mão"
Aula10d - Análise de Agrupamentos - Uma aplicação rápida em R
Aula 12a Análise de Correspondência
Aula 12b - Análise de Correspondência - Aplicação Python
Aula 12c Análise de Correspondência
Aula 12d Análise de Correspondência - Um exemplo Sueli Mingoti
Aula 12e - Análise de Correspondência - Um exemplo em R
Apresentação da disciplina
Aula 1 Análise descritiva
Aula 2 Notação Matricial
Aula 2c Exemplo Produto de Kronecker
Aula 3a Vetores aleatórios
Aula 3b Propriedades dos estimadores
Aula 4a Distribuição Normal multivariada
Aula 4c Inferência sobre a média
Aula 5a Testes de Hipóteses
Aula 6a Análise de variância multivariada - MANOVA
Aula 6c Regressão Multivariada
Aula 7a Análise de Componentes Principais
Aula 8a Análise Fatorial
Aula 9a Análise de Correlações Canônicas
Aula 10 - Análise de Agrupamentos
Análise de agrupamentos feita à mão
Aula 12a Análise de Correspondência
Análise descritiva
Visualização - Distribuição Normal Multivariada em Python
Aula 4d - Teorema Limite Central - Ilustração em Python
Aula 5b: Testes de Hipóteses - Aplicação em Python
Aula 6e - MANOVA em Python (link externo)
MANOVA - Aplicação Iris em Python
PCA
Aula 10b - Agrupamentos - Aplicação em Python
Aula 1 - Análise descritiva
Aula 2 - Correlação e Produto de Kronecker
Aula 4b - Visualização - Distribuição Normal Multivariada em R
Aula 6b MANOVA em R
Aula 6d Regressão Multivariada em R
Análise de correspondência - banco
Lista 1
Lista 2
Lista 3
Lista 4
Lista 5
Material extra sobre vetores aleatórios pelo Prof. Ulisses dos Anjos (UFPB)
Motivação - Python ►