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

Ano letivo / Execution Year

2026/2027

Pré-requisitos / Pre-Requisites

Não existem pré-requisitos para a UC.

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. 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. 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: 3 fichas individuais online (5% no total), 1 teste intercalar individual (30%), 1 trabalho de grupo com apresentação oral (15%) e 1 teste final individual (50%); nota mínima de 8,5 valores no teste final; média final mínima de 10 valores (nota arredondada às unidades). - Assiduidade mínima de 2/3 das aulas. - Para a obtenção de aproveitamento na UC pela avaliação ao longo do semestre, é obrigatória a realização de todas as fichas individuais, do teste intercalar, do trabalho de grupo e da apresentação oral, antes do teste final. Apenas o teste final requer a obtenção de nota mínima. - A classificação global das 3 fichas individuais resultará da multiplicação de 5% pela média aritmética das três notas obtidas. Reitera-se que todas as fichas têm de ser realizadas para aproveitamento pela avaliação ao longo do semestre (a não-realização de uma ficha não equivale à obtenção de uma nota de zero valores). - O trabalho de grupo é classificado exclusivamente com base na apresentação e defesa oral; a entrega do relatório escrito é condição de admissão à apresentação. A utilização indiscriminada de ferramentas de IA que resultem em relatórios escritos claramente descuidados e/ou na submissão acrítica de conteúdos poderá levar à desconsideração do trabalho e impedir a sua classificação. - Os testes em papel são realizados sem consulta de folhas de apoio, livros ou outros materiais, não sendo permitida a utilização de calculadoras gráficas nem de telemóveis ou quaisquer outros dispositivos eletrónicos; quaisquer materiais auxiliares (e.g. formulários) são fornecidos pela equipa docente no momento da avaliação, se necessários. - Os alunos que não sejam avaliados ao longo do semestre realizarão um exame final que abrangerá todos os conteúdos programáticos da UC. A nota mínima é de 10 valores (arredondada às unidades). - Qualquer aluno pode ser chamado a realizar uma defesa oral da nota obtida em qualquer dos momentos de avaliação, independentemente da classificação obtida (VER A SECÇÃO OBSERVAÇÕES PARA MAIS DETALHES). - Os momentos de avaliação terão lugar nas datas estipuladas para o efeito, não sendo admitidas quaisquer exceções para além das estatuídas nos regulamentos do ISCTE-IUL.

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 (OA) 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

O/A coordenador/a da unidade curricular pode determinar a realização de uma discussão oral complementar relativamente a qualquer elemento/instrumento de avaliação previsto na presente Ficha de Unidade Curricular, sempre que tal se revele necessário para confirmar a aquisição dos conhecimentos e competências avaliados, ou esclarecer discrepâncias entre diferentes elementos de avaliação. A discussão oral complementar não constitui um instrumento autónomo de avaliação, não tem ponderação própria na classificação final da unidade curricular e destina-se exclusivamente à validação da classificação do respetivo elemento/instrumento de avaliação. A classificação anteriormente atribuída a esse elemento/instrumento tem natureza provisória até à realização da discussão oral complementar, podendo ser confirmada ou revista em função da validação realizada e dos critérios de avaliação aplicáveis. A convocatória para a discussão oral complementar será comunicada ao/à estudante com antecedência mínima de 24 horas, indicando a data e a hora de realização. A não comparência, sem justificação atendível, implica a impossibilidade de validação do respetivo elemento/instrumento de avaliação, aplicando-se as consequências previstas para a sua não realização ou desistência.

Bibliografia Principal / Main Bibliography

Çetinkaya-Rundel, M. & Hardin, J. (2024). Introduction to Modern Statistics, 2nd edition. OpenIntro. Free: openintro.org/book/ims Wickham, H., Çetinkaya-Rundel, M. & Grolemund, G. (2023). R for Data Science, 2nd edition. O'Reilly. Free: r4ds.hadley.nz Newbold, P., Carlson, W. & Thorne, B. (2019). Statistics for Business and Economics, 9th Global Edition. Pearson. ISBN 978-1-292-31503-4. James, G., Witten, D., Hastie, T. & Tibshirani, R. (2021). An Introduction to Statistical Learning with Applications in R, 2nd edition. Springer. Free: statlearning.com

Bibliografia Secundária / Secondary Bibliography

Dias Curto, JJ (2021). Estatística com R: Aprenda Fazendo. Edição de autor. ISBN: 978-989-33-2076-1 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.

Data da última atualização / Last Update Date

2026-07-30