Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
460 - Matemática e estatística
Departamento / Department
Departamento de Tecnologias Digitais
Ano letivo / Execution Year
2023/2024
Pré-requisitos / Pre-Requisites
É recomendado que o aluno tenha capacidades de programação (em Python ou R).
Objetivos Gerais / Objectives
No final desta Unidade Curricular, os alunos devem compreender os conceitos introdutórios relacionados com a Estatística, nomeadamente análise univariada, análise multivariada, as principais distribuições, a estimação de parâmetros e os métodos de decisão. Para além disso, pretende-se que os alunos saibam usar um programa estatístico, que lhes permita utilizar os métodos e técnicas de análise estatística de forma adequada, e, que saibam analisar criticamente os resultados obtidos no contexto dos problemas.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1. Compreender e utilizar uma ferramenta (Python ou R) para análises estatísticas OA2. Compreender a informação recolhida com a utilização da estatística OA3: Utilizar as distribuições teóricas mais importantes no cálculo de probabilidades em problemas da vida real OA4: Identificar e aplicar métodos de estimação e decisão no âmbito de problemas aplicados à vida real
Conteúdos Programáticos / Syllabus
CP1: Estatística descritiva univariada CP2: Estatística descritiva bivariada CP3: Principais distribuições teóricas de variáveis aleatórias discretas CP4. Principais distribuições teóricas de variáveis aleatórias contínuas CP5: Estimação de parâmetros CP6. Tomada de Decisões
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
O alinhamento dos conteúdos programáticos (CP) com os objectivos de aprendizagem (OA) é o seguinte: OA1 - CP1; CP2 OA2 - CP1; CP2 OA3 - CP3; CP4 OA4 - CP5; CP6
Avaliação / Assessment
Aprovação com classificação não inferior a 10 valores numa das modalidades seguintes: - Avaliação Periódica: 2 minitestes (MT) realizados em aula (15% cada) + Teste final realizado na data do primeiro exame (40%) + trabalho autónomo (10%) + projeto realizado em grupo (20%), A média dos minitestes ( (MT1+MT2)/2 ) tem nota mínima de 7.0 valores. O teste final tem nota mínima de 7.0 valores. ou - Avaliação por Exame (100%).
Metodologias de Ensino / Teaching methodologies
A metodologia de ensino-aprendizagem (ME) inclui quatro componentes: ME1: Expositivas, para apresentação de conceitos teóricos; ME2: Participativas, com análise e resolução de exercícios práticos; ME3: Ativa, mediante a realização de trabalhos individuais e em grupo; ME4: Auto-estudo relacionado com o trabalho autónomo do aluno; Utiliza-se a plataforma Moodle, também como meio de aprendizagem, pois permite interacção e participação por parte dos alunos. A sua utilização permite o acesso a todos os materiais necessários ao acompanhamento das aulas e a submissão dos trabalhos autónomos.
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
Todos os objetivos de aprendizagem (OA: OA1, OA2, OA3 e OA4) contemplam sessões teórico-práticas, envolvendo metodologias de ensino aprendizagem: expositivas, participativas e ativas (ME1, ME2, ME3). O trabalho individual, o trabalho autónomo, e o trabalho/projeto de grupo abrangem todos os objetivos de aprendizagem. O auto-estudo (ME4) está contemplado em todos os objetivos de aprendizagem, dado que será usado usado ao longo de todo o programa. Os mini-testes e o teste escrito estão alinhados com os objetivos de aprendizagem OA2, OA3 e OA4.
Observações / Observations
---
Bibliografia Principal / Main Bibliography
Afonso, A. & Nunes, C. (2019). Probabilidades e Estatística. Aplicações e Soluções em SPSS. Versão revista e aumentada. Universidade de Évora. ISBN: 978-972-778-123-2 Reis, E., P. Melo, R. Andrade & T. Calapez (2015) Estatística Aplicada (Vol. 1), 6ª ed.Lisboa: Sílabo. Reis, E., P. Melo, R. Andrade & T. Calapez (2016) Estatística Aplicada (Vol. 2), 5ª ed., Lisboa: Sílabo.- Laureano, R. (2020) - Testes de Hipóteses e Regressão, Lisboa, Edições Sílabo.
Bibliografia Secundária / Secondary Bibliography
Curto, J. D. (2021). Estatística com R: Aprenda Fazendo. ISBN: 979-8531511492 Farias, A. L. (2010). Probabilidade e Estatística. (V. único). Fundação CECIERJ. ISBN: 978-85-7648-500-1 Ferreira, P. M. (2012). Estatística e Probabilidade (Licenciatura em Matemática). Instituto Federal de Educação, Ciência e Tecnologia do Ceará – IFCE III, Universidade Aberta do Brasil – UAB.IV. ISBN: 978- 85-63953-99-5 Haslwanter, T. (2016). An Introduction to Statistics with Python: With Applications in the Life Sciences. Springer. ISBN: 978-3-319-28316-6
Data da última atualização / Last Update Date
2024-02-16