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

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 e ferramentas 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 ser capazes de: OA1 - Programar em R. OA2 - Distinguir entre diferentes tipos de dados, assim como elencar e aplicar as técnicas estatísticas que àqueles se adequam. OA3 - Formular 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 - 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 'ggplot2'. Números aleatórios e simulação elementar. CP2 - Estimação e Inferência Distribuições amostrais e Teorema do Limite Central. Distribuições derivadas na normal. Intervalos de confiança. Testes paramétricos e não-paramétricos para médias e variâncias. Ajustamento, independência e normalidade. Testes múltiplos. CP3 - Modelos de Regressão Regressão linear simples e múltipla. Inferência sobre os coeficientes. Variáveis omitidas e enviesamento. Diagnóstico e intervalos de predição. CP4 - Simulação de Monte Carlo e Decisão Conceitos de simulação, avaliação de cenários, viés e erro-padrão de estimadores. Simulação a partir de modelos estimados. Avaliação de risco e decisão em contexto de incerteza.

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

A coerência entre os OA e os CP reflete uma progressão lógica: OA1 assenta no CP1, onde os alunos adquirem as competências de programação em R necessárias a toda a UC. O OA2 combina o CP1 com o CP2, pois distinguir tipos de dados e escolher técnicas estatísticas adequadas exige competências computacionais e conhecimento de distribuições e inferência. O OA3 apoia-se no CP2 e no CP3, já que a formulação e teste de hipóteses (CP2) fundamenta a construção de modelos explicativos por regressão (CP3). O OA4 relaciona-se com o CP2, o CP3 e o CP4, pois compreender fontes de erro atravessa a inferência estatística, o viés por variáveis omitidas em regressão e o erro-padrão de estimadores em simulação. Por fim, o OA5 relaciona-se com o CP1 e o CP4: a simulação elementar introduzida no CP1 é desenvolvida no CP4 através de modelos de Monte Carlo aplicados à decisão em contexto de incerteza.

Avaliação / Assessment

- Avaliação ao longo do semestre: 3 fichas individuais online (5% para o total das 3 fichas), 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 com base na 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 com base na 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 classificação com base na avaliação ao longo do semestre. - 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 com base na avaliação 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, de programação e de comunicação escrita e oral. 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 em ambiente computacional (R/RStudio) e discussão crítica dos resultados obtidos. 3. Ativas, através da realização de um trabalho de grupo aplicado, com apresentação e defesa oral. 4. 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 - 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