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
Não existem
Objetivos Gerais / Objectives
Pretende-se que os alunos, no final da unidade curricular, conheçam os conceitos básicos e as tecnicas de sumarização da estatística descritiva; conheçam as distribuições estatísticas mais importantes; e possuam conhecimentos básicos de amostragem Pretende-se igualmente familiarizar os alunos com a utilização do R, utilizando estes ambientes como ferramentas para aplicar os conceitos adquiridos.
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 desta UC, o aluno deverá: OA1. Conhecer e utilizar os principais conceitos na descrição de dados qualitativos e quantitativos. OA2. Representar e analisar os dados com recurso às diversas técnicas de sumarização de dados OA3. Conhecer as distribuições de probabilidades teóricas mais importantes e para variáveis discretas e contínuas, e cálculo das respetivas probabilidades. OA4. Conhecer as distribuições amostrais teóricas mais importantes e saber escolher as adequadas a cada tipo de problema. OA5.Saber utilizar o R nas aplicações de análise e representação dos dados
Conteúdos Programáticos / Syllabus
CP1 - Estatística Descritiva. Descritiva Univariada: Tabelas e representações gráficas. Medidas descritivas. Descritiva Bivariada: Tabelas de contingência. Medidas de associação e de correlação. Descritiva Multivariada: Análise de Componentes Principais CP2 – Probabilidades. Revisão de conceitos.Teorema da probabilidade total e formúla de Bayes. CP3- Distribuições discretas e contínuas Variável aleatória, função de probabilidade, densidade de probabilidade e de distribuição. Parâmetros caracterizadores. Distribuição Binomial. Distribuição Poisson. Distribuição Uniforme (discreta e contínua). Distribuição exponencial. Distribuição Normal. Aditividade. CP4 - Variáveis aleatórias bidimensionais discretas Função de probabilidade conjunta. Função de probabilidade marginal. Função de distribuição conjunta. Covariância e coeficiente de correlação. Independência de variáveis aleatórias CP5- Distribuições de Amostragem: populações Bernoulli e normais. Teorema do Limite Central.
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 conteúdos programáticos da UC estão plenamente alinhados com os objetivos de aprendizagem definidos. Os CP1 e CP5 suportam os OA1, OA2 e OA4, ao abordarem a descrição, representação e interpretação de dados univariados, bivariados e multivariados, bem como distribuições amostrais. Os CP2, CP3 e CP4 dão resposta aos OA3 e OA4, ao tratarem os fundamentos da teoria das probabilidades e das distribuições teóricas mais relevantes. Por fim, a integração do software R na análise e visualização de dados, transversal aos conteúdos, concretiza o OA5, promovendo a aplicação prática dos conhecimentos adquiridos.
Avaliação / Assessment
Avaliação ao longo do semestre: Assiduidade mínima de 2/3 de aulas. Um teste intercalar individual (50%) e um teste final (50%); nota mínima em cada um dos testes de 8.5 valores; média final mínima de 10 valores (nota arredondada às unidades). Avaliação por exame: exame individual que inclui a matéria toda com nota mínima de 10 valores (nota arredondada às unidades). Em qualquer modalidade de avaliação poderá ser requerida uma prova oral. Todos os momentos de avaliação serão realizados sem consulta de folhas de apoio, livros ou outros materiais, não sendo permitida a utilização de calculadoras gráficas nem de telemóveis; os formulários e tabelas serão fornecidos pela equipa docente no momento da avaliação.
Metodologias de Ensino / Teaching methodologies
O aluno deverá adquirir competências de análise e síntese e de comunicação escrita. Para tal serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME): 1.Expositivas, para apresentação dos quadros teóricos de referência. 2.Participativas, com resolução de exercícios práticos. 3.Auto-estudo, 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
As metodologias de ensino-aprendizagem visam o desenvolvimento das principais competências de aprendizagem dos alunos que permitam cumprir com cada um dos objetivos de aprendizagem, pelo que, na grelha a seguir, apresenta-se as principais interligações entre as metodologias de ensino-aprendizagem e os respetivos objetivos. Metodologias de Ensino-Aprendizagem (MEA) - Objetivo de Aprendizagem (0A) 1.Expositivas, para apresentação dos quadros teóricos de referência - OA1 a OA5. 2.Participativas, com análise e resolução de exercícios práticos - OA1 a OA5. 3. Autoestudo, relacionadas com o trabalho autónomo do aluno, tal como consta no Planeamento das Aulas - OA1 a OA5
Observações / Observations
Os estudantes abrangidos pelo «Regulamento Interno para Estudantes com Estatutos Especiais» 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 avaliação na UC.
Bibliografia Principal / Main Bibliography
Dias Curto, JJ (2024). Estatística com R: Aprenda Fazendo. 2ª ed. Edição de autor. ISBN: 978-989-33-2076-1 Field, A. (2025). Discovering statistics using R and RStudio. Sage. Field, A., Miles, J., & Field, Z. (2012). Discovering statistics using R. Sage publications. Reis, E., P. Melo, R. Andrade & T. Calapez (2021). Estatística Aplicada, Vol. 1, 7ª ed. Edições Sílabo. Reis, E., P. Melo, R. Andrade & T. Calapez (2018). Estatística Aplicada, Vol. 2, 6ª ed. Edições Sílabo. Speegle, D., & Clair, B. (2021). Probability, Statistics, and Data: A Fresh Approach Using R (1st ed.). Chapman and Hall/CRC. Free access at https://mathstat.slu.edu/~speegled/_book/
Bibliografia Secundária / Secondary Bibliography
Brown, D.S. (2022). Statistics and Data Visualization Using R. The Art and Practice of Data Analysis. Sage Publication, Inc. Curto, J.C. (2022). Statistics - over 200 problems (with solutions): Applications in `R/RStudio' and `Excel', Edição de autor. ISBN: 979-8490950042. Newbold, P., Carlson, W.L & Thorne, B.M. (2020). Statistics for Business and Economics, 9ª ed. Global Edition. Harlow: Pearson Education Limited. Reis, E., Andrade, M., Calapez, T. & Melo, P. (2024). Exercícios de Estatística Aplicada vol.1. 4ª edição, ISBN 978-972-618-688-5 Lisboa. Edições Sílabo. Reis, E., Andrade, M., Calapez, T. & Melo, P. (2020). Exercícios de Estatística Aplicada vol.2. 3ª edição, ISBN 978-972-618-688-5 Lisboa. Edições Sílabo. Apontamentos e slides a disponibilizar ao longo do curso.
Data da última atualização / Last Update Date
2025-07-23