Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Estatística e Análise de Dados
Departamento / Department
Departamento de Métodos Quantitativos para Gestão e Economia
Ano letivo / Execution Year
2024/2025
Pré-requisitos / Pre-Requisites
Conhecimentos básicos de estatística descritiva (tipos de variáveis, estatísticas apropriadas, representações gráficas), e de probabilidades (conceitos de probabilidade, axiomática, probabilidades condicionadas)
Objetivos Gerais / Objectives
A disciplina tem como objetivo principal proporcionar aos alunos conhecimentos e competências para proceder a Análise de Dados focados em aplicações de casos reais de gestão.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
No final do período curricular, o aluno deverá: OA1.Saber descrever dados uni e multivariados (medidas e gráficos) OA2. Compreender e saber aplicar os conceitos mais importantes de inferência estatística no âmbito de testes paramétricos e testes não-paramétricos mais adequados a cada situação. OA3. Saber aplicar um modelo de regressão linear OA4. Proceder à redução da dimensionalidade dos dados usando Análise em Componentes Principais OA5. Saber agrupar observações usando técnicas básicas de análise de clusters (métodos hierárquicos e k-médias) OA6. Saber usar o software estatístico R, em ambiente RStudio, para todas as análises efetuadas
Conteúdos Programáticos / Syllabus
P1. Análise exploratória de dados , uni e bivariados: medidas e representações gráficas apropriadas segundo o tipo dos dados P2. Análise inferencial. Princípios básicos, estabelecimento das hipóteses, erros e valor-p. Teste a uma, duas e várias médias (teste t e oneway anova). Qui-quadrado de ajustamento e de independência. P3. Análise Preditiva de Dados Multivariados: Regressão Linear Simples e Múltipla P4. Análise Descritiva de Dados Multivariados: Análise em Componentes Principais e Análise de Clusters (métodos hierárquicos e k-médias)
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes
Esta demonstração de coerência decorre da interligação dos conteúdos programáticos com os objetivos de aprendizagem (OA), como a seguir se explicita: O objetivo 1 está diretamente ligado aos conteúdos em P1 (dados uni e bivariados) e aos conteúdos em P4 (dados multivariados) O objetivo 2 pressupõe a aquisição/revisão dos conhecimentos subjacentes ao P2 O objetivo 3 decorre da aquisição dos conhecimentos em P3. Os objetivos 4 e 5 ligam-se aos conteúdos programáticos em P4. O objetivo 6 é atingido pela realização de exercícios e estudos de caso em todos os conteúdos programáticos
Avaliação / Assessment
Avaliação ao longo do semestre: 2 Exercícios teórico-práticos com peso de 15% cada e ambos com nota mínima de 7,5 valores Teste final individual com peso de 70% e nota mínima de 7,5 valores. Classificação final dada pela média ponderada dos instrumentos, arredondada às unidades (mínimo 10 para aprovação). Avaliação por exame: Uma prova teórica (70%) + uma prova prática (30%).
Metodologias de Ensino / Teaching methodologies
Serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME): ME1: Expositivas para apresentação dos quadros teóricos de referência ME2: Participativas com análise de excertos de artigos científicos ME3: Ativas com a realização e discussão de exercícios teórico-práticos ME4: Experimentais, em laboratório de informática, realizando-se análises de casos ME5: Autoestudo, relacionado com o trabalho autónomo do aluno
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
Os conceitos teóricos subjacentes têm sempre de ser, em primeiro lugar, apresentados de forma expositiva. Estas apresentações expositivas (ME1) têm particular relevância para os objetivos OA1 a OA5, pois sem quadros teóricos de referência não se pode fazer estatística aplicada. Os conceitos apresentados têm de ser consolidados em auto-estudo (ME5), que terá por base o livro de texto escolhido, os materiais disponibilizados pela equipa docente, e a resolução dos exercícios propostos pela equipa ou disponíveis no livro de texto. Estes exercícios serão realizados usando R, o que contribui para o OA6. Em sala de aula haverá ainda lugar à discussão e resolução de casos/exercícios práticos (ME2, ME3) que facilitarão o acesso a todos os objetivos propostos. Os exercícios práticos/fichas propostos, que integram a avaliação, constituem também elementos de ME3 e ME5. Vários exercícios em aula serão realizados em R (ME4), o que consolidará OA6. O teste teórico tem como objetivo aferir a compreensão dos conceitos que contribuem para os objetivos OA1 a OA5 e o teste prático contribui diretamente para a aferição de todos os objetivos, com incidência no OA6.
Observações / Observations
Os alunos em avaliação por exame podem ser, a seu pedido, dispensados da realização da componente prática se tiverem tido avaliação acima da nota mínima nos dois exercícios teórico-práticos propostos. Nesse caso, a nota combinada destes dois exercícios será a considerada para a componente prática do exame.
Bibliografia Principal / Main Bibliography
Bakker, J. D. (2022). Applied Multivariate Statistics in R. Washington, DC: University of 536 Washington. Free access from https://uw.pressbooks.pub/appliedmultivariatestatistics/ Thulin, M. (2024). Modern Statistics with R. Second edition. CRC Press. ISBN 9781032512440, free access from https://www.modernstatisticswithr.com/
Bibliografia Secundária / Secondary Bibliography
Speegle, D., & Clair, B. (2021). Probability, Statistics, and Data: A Fresh Approach Using R (1st ed.). Chapman and Hall/CRC. Free access from https://mathstat.slu.edu/~speegled/_book/ Dias Curto, JJ (2021) Estatística com R, aprenda fazendo : mais de 100 exercícios resolvidos, aplicações com dados reais, 1700 linhas de código em R para resolver, exercícios e aplicações. 1ª ed. ISBN 978-989-33-2076-1
Data da última atualização / Last Update Date
2024-07-31