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

2025/2026

Pré-requisitos / Pre-Requisites

- Nenhum

Objetivos Gerais / Objectives

No final da Unidade Curricular, o estudante deverá ter adquirido as competências necessárias para aplicar as principais técnicas para a avaliação da qualidade dos dados e as principais técnicas descritivas para a segmentação de sujeitos e deteção de regras de associação entre atributos, focadas em aplicações de gestão.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

Ao concluir a Unidade Curricular, os estudantes deverão ser capazes de: OA1. Selecionar os métodos de análise de dados adequados ao problema, objetivos e tipo de dados disponíveis. OA2: Utilizar um software estatístico para realizar análises de dados univariados, bivariados, e multivariados. OA3: Interpretar os resultados obtidos na análise de dados.

Conteúdos Programáticos / Syllabus

CP1. Introdução à análise exploratória dos dados 1.1. Tipos de dados 1.2. Avaliação da qualidade dos dados: não-respostas e valores extremos (outliers) CP2. Técnicas de sumarização para dados univariados e bivariados: Medidas descritivas, transformação de variáveis, medidas de associação, e representações gráficas. CP3. Técnicas de sumarização para dados multivariados 3.1 Técnicas para reduzir a dimensionalidade dos dados de input: Análise em Componentes Principais (ACP). 3.2 Técnicas de segmentação: Hierárquico aglomerativo, k-Means, e Two-Step Clustering.

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular unit's content dovetails with the specified learning outcomes

Os objetivos de aprendizagem (OA) e os conteúdos programáticos (CP) estão estrategicamente alinhados para proporcionar uma experiência educativa abrangente. O OA1 é abordado quando o aluno inicia a exploração inicial da informação de uma base de dados (CP1) e realiza análises de sumarização, com dados univariados/bivariados (CP2) e multivariados (CP3). O OA2 é abordado nos três conteúdos programáticos. A utilização de um software estatístico permitirá avaliar a qualidade dos dados e identificar não-respostas, valores extremos, e outliers (CP1), produzir tabelas de frequências, medidas de estatísticas descritivas, medidas de associação, e gráficos (CP2), realizar análises fatoriais exploratórias ou agrupar sujeitos de acordo com várias técnicas de clustering (CP3). O OA3 é abordado quando os alunos aprendem a identificar possíveis problemas com os dados (CP1), a interpretar medidas descritivas e gráficos (CP2), e a interpretar as componentes retidas e os clusters identificados (CP3).

Avaliação / Assessment

Avaliação ao longo do semestre Teste escrito individual (60%); trabalho de grupo (40%). A nota mínima em cada componente é 8 valores. Assiduidade mínima de 2/3 das aulas lecionadas. Avaliação por exame (1º época ou 2º época) Exame escrito individual (100%). A nota mínima é 9.5 valores. Avaliação por exame (época especial) Exame escrito individual (100%). A nota mínima é 9,5 valores. Todos os momentos de avaliação individual serão realizados sem consulta de folhas de apoio, livros ou outros materiais.

Metodologias de Ensino / Teaching methodologies

As aulas desta Unidade Curricular são teórico-práticas. As aulas teórico-práticas permitem utilizar metodologias de ensino expositivas, experimentais e de discussão. Para apresentar os conceitos, as metodologias e métodos de resolução relativos a todos os conteúdos programáticos será utilizada uma metodologia expositiva (ME1). Para aplicar as metodologias e os métodos de resolução de problemas estudados, e utilizar o software, serão resolvidos diversos exercícios nas aulas, pelo que se utilizará uma metodologia experimental (ME2). Para analisar os resultados obtidos, aplicar-se-á uma metodologias de discussão (ME3). As metodologias experimentais e de discussão são cruciais para esta Unidade Curricular, uma vez que os objetivos da Análise de Dados Exploratórios são compreender e preparar os dados para fases posteriores do Cross-Industry Standard Processes for Data Mining (CRISP-DM). Os estudantes são encorajados a participar nas aulas. Além das metodologias já mencionadas, o trabalho autónomo dos estudantes é relevante para a aquisição e o desenvolvimento das competências. Este trabalho autónomo consiste na leitura da bibliografia, na resolução de exercícios e na resolução do trabalho de grupo.

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

As metodologias de ensino visam o desenvolvimento das principais competências dos estudantes que permitam cumprir com cada um dos objectivos de aprendizagem. Em traços gerais, os objetivos de aprendizagem consistem na aquisição de comptências de resolução de um conjunto de problemas, na análise de resultados e na elaboração de recomendações ou cenários. Cada uma das metodologias de ensino contribui para todos os objetivos de aprendizagem. A metodologia expositiva (ME1) será utilizada para apresentação dos quadros teóricos de referência. A metodologia experimental (ME2) será aplicada através da utilização de softwares de estatística, com discussões de casos e resolução de exercícios. A discussão de resultados (ME3) permitirá desenvolver a capacidade da utilização das técnicas adequadas e à análise dos resultados mais adequados aos problemas colocados. Dada a natureza da ADE, o trabalho autónomo dos estudantes é crucial para o desenvolvimento das competências de resolução e análise interpretativa. Na grelha a seguir, apresenta-se as principais interligações entre as metodologias de ensino (ME) e os respectivos objectivos de aprendizagem (OA). ME1 - OA1, OA3 ME2 - OA1, OA2, OA3 ME3 - OA1, OA2, OA3 Todos os objetivos de aprendizagem serão avaliados no teste final individual e no trabalho de grupo.

Observações / Observations

1. Para complementar o processo de avaliação, e para calcular a nota final no processo de avaliação ao longo do semestre ou avaliação por exame, é reservado ao professor o direito de realizar uma prova oral ao aluno sobre qualquer tópico ministrado na UC. 2. Os estudantes abrangidos pelo “Regulamento de Estudantes com Estatuto Especial” deverão contactar o docente da UC, ou o Coordenador da mesma, na primeira semana de aulas de cada semestre, com vista ao enquadramento dos processos de aprendizagem e de avaliação na Unidade Curricular. 3. O teste individual e os exames serão realizados presencialmente.

Bibliografia Principal / Main Bibliography

Larose, D. T., Data Mining and Predictive Analytics, 2015, Wiley Series on Methods and Applications, 2nd Ed., ISBN: 978-1-118-11619-7 Camm, J., Cochran, J., Fry, M., Ohlmann, J., Anderson, D., Sweeney, D., & Williams, T., Essentials of Business Analytics, 2017, 2nd ed., Boston: Cengage Learning, 2nd Ed. ISBN- 10 1305627733 Hair, J. H., Black, W. C., & Babin, B. J., Multivariate Data Analysis, 2019, 8th Edition. Cengage. ISBN 1473756545, 9781473756540

Bibliografia Secundária / Secondary Bibliography

Andy Field (2024) Discovering Statistics using IBM SPSS Statistics. SAGE, Los Angeles (6th Edition).

Data da última atualização / Last Update Date

2025-07-21