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

A gestão das organizações envolve frequentemente a tomada de decisão em contextos de incerteza, e a evolução das ciências comportamentais tem vindo a demonstrar que as decisoes decorrentes da interpretação instintiva por parte dos agentes são muitas vezes enviesadas por erros naturais de perceção. Assim, a tomada de decisão numa base racional requer a recolha, tratamento, análise e visualização sintética de quantidades grandes de dados, em geral amplamente disponíveis. O objectivo geral da UC é, portanto, que os estudantes adquiram não só noções de pensamento crítico, mas também o conhecimento das técnicas estatísticas que lhes permitam, por um lado, realizar análises de cariz técnico e, por outro, estabelecer um quadro conceptual para interpretação correcta de análises realizadas por terceiros.

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 alunos deverão: OA1 - Ser capazes de programar, a um nível introdutório, em linguagem R utilizando o Rstudio. OA2 - Ser capazes de distinguir entre diferentes tipos de dados, assim como elencar e aplicar as técnicas estatísticas que àqueles se adequam. OA3 - Estabelecer e realizar testes de hipóteses, construindo e estimando modelos explicativos em contexto de incerteza. OA4 - Compreender eventuais fontes de erro nos procedimentos de estimação e técnicas de mitigação de erros. OA5 - Ser capazes de construir modelos simples de simulação estocástica para avaliação de cenários e decisão em contexto de incerteza.

Conteúdos Programáticos / Syllabus

CP1 - Linguagem R e o RStudio Funcionalidades básicas, variáveis e funções. Tipos de dados e o package 'tidyverse'. Visualização com os packages 'base' e 'ggplot'. CP2 - Testes de hipóteses Testes paramétricos e não-paramétricos para médias e variâncias de populações, ajustamento, independência e normalidade. CP3 - Modelos de Regressão Regressão linear simples e múltipla, Modelo Probabilístico Linear, Modelo LOGIT e PROBIT, rácios de verosimilhanças e comparação de modelos. CP4 - Simulação de Monte Carlo Conceitos de simulação, avaliação de cenários, viés e erro-padrão de estimadores; simulação de portefólios de ativos financeiros.

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

Esta "demonstração de coerência" decorre da interligação dos conteúdos programáticos (CP) com os objetivos de aprendizagem (OA), como a seguir se explicita: OA1 - CP1 OA2 - CP1 OA3 - CP2 OA4 - CP3 e CP4 OA5 - CP4

Avaliação / Assessment

Avaliação periódica: 1 ficha individual e 1 trabalho de grupo (20% cada) e 1 teste final (60%); média da ficha e do trabalho igual ou superior a 7.5 valores e nota mínima do teste de 9 valores; média final mínima de 10 valores. Orais de defesa para notas superiores ou iguais a 18 valores; aos estudantes que não compareçam à oral de defesa será atribuída a nota final de 17 valores. Exame final: aprovação a partir de 10 valores (nota arredondada às unidades). Classificações iguais ou superiores a 18 valores serão objeto de oral de defesa; aos estudantes que não compareçam à oral de defesa será atribuída a nota final de 17 valores.

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 alunos 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

Brown, D. S. (2021). Statistics and Data Visualization Using R: The Art and Practice of Data Analysis. SAGE Publications. Thulin, M. (2021). Modern Statistics with R. Eos Chasma Press. ISBN 9789152701515. Dias Curto, JJ (2021). Estatística com R: Aprenda Fazendo. Edição de autor. ISBN: 978-989-33-2076-1 Navarro D.J. and Foxcroft D.R (2019). Learning statistics with jamovi: a tutorial for psychology students and other beginners. (Version 0.70). 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.

Bibliografia Secundária / Secondary Bibliography

Curto, J.C. (2022). Statistics - over 200 problems (with solutions): Applications in `R/RStudio' and `Excel', Edição de autor. ISBN: 979-8490950042. Rizzo, M. (2019). Statistical Computing with R, Second Edition, CRC Press. Field, A., Miles, J., & Field, Z. (2012). Discovering statistics using R. Sage publications. Newbold, P., Carlson, W.L & Thorne, B.M. (2020). Statistics for Business and Economics, 9ª ed. Global Edition. Harlow: Pearson Education Limited.

Data da última atualização / Last Update Date

2025-06-25