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
Os estudantes devem ter tido previamente duas UC de estatística, uma mais exploratória e uma segunda mais inferencial.
Objetivos Gerais / Objectives
Os estudantes aprenderão a desenvolver um projeto integrado de tratamento de dados, com dimensão considerável e preferencialmente reais. Serão capazes de identificar e aplicar os métodos adequados para a correta obtenção dos objetivos de investigação. Finalmente, serão capazes de comunicar os resultados de forma correta.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1: Identificar as necessidades de informação do cliente; OA2: Identificar as fontes de informação; OA3: Recolher e preparar os dados; OA4: Identificar a metodologia apropriada para o problema a resolver; OA5: Identificar as variáveis relevantes para operacionalizar o modelo; OA6: Analisar os dados com as ferramentas mais adequadas; OA7: Comunicar os resultados com eficácia e precisão.
Conteúdos Programáticos / Syllabus
CP1: O desenvolvimento de um projeto intensivo em dados CP2: A importância da comunicação e do interface com o cliente CP3: Recolha e preparação dos dados CP4: Complementos de análise de dados: • Técnicas de dependência: revisão do modelo de regressão múltipla e modelo de regressão logística • Técnicas de interdependência: clustering e sistemas de recomendação CP5: Comunicação dos resultados
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 correspondência entre objetivos de aprendizagem e conteúdos programáticos é a seguinte: OA1: CP1, CP2 OA2: CP2 OA3: CP2, CP3 OA4: CP4 OA5: CP2, CP3 OA6: CP4 OA7: CP5
Avaliação / Assessment
Os estudantes podem optar por Avaliação Periódica ou Exame Final. AVALIAÇÃO AO LONGO DO SEMESTRE: - trabalho de grupo com nota mínima de 8 valores (50%) - teste individual com nota mínima 8 valores (50%) A aprovação requer uma frequência mínima de 80% das aulas e nota mínima de 10. EXAME: O Exame Final corresponde a um exame escrito. Os alunos devem obter uma nota mínima de 10 para passar.
Metodologias de Ensino / Teaching methodologies
As metodologias de ensino são fundamentalmente de exposição, fornecendo a todos os alunos competências avançadas compreensão do contexto, modelação de dados e comunicação de resultados. Contudo, parte da aprendizagem é variável, pois conforme o desafio e necessidades de cada projeto. Assim: A metodologia de ensino-aprendizagem (ME) inclui quatro componentes: ME1: Expositiva, para apresentação dos quadros teóricos de referência ME2: Experimental, em laboratório de informática, efetuando análises de dados com software open access ME3: Ativa, mediante a realização de um trabalho de grupo ME4: Auto-estudo, relacionado com o trabalho autónomo do aluno, tal como consta no Planeamento de Aulas
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 adotadas nesta UC estão alinhadas com os objetivos de aprendizagem, promovendo o desenvolvimento integrado de conhecimentos, aptidões e competências. A exposição teórica (ME1) fornece os fundamentos necessários para identificar necessidades de informação (OA1), fontes (OA2) e metodologias (OA4). A prática em laboratório (ME2) permite aplicar esses conhecimentos na recolha, preparação e análise de dados (OA3, OA6). O trabalho de grupo (ME3) estimula a colaboração e a comunicação eficaz dos resultados (OA7), enquanto o autoestudo (ME4) reforça a autonomia e consolida aprendizagens. Esta combinação assegura uma progressão coerente e eficaz no desenvolvimento das competências previstas.
Observações / Observations
Os alunos abrangidos pelo Regulamento Interno para Estudantes com Estatutos Especiais deverão contactar o docente ou o coordenador da UC na primeira semana de aulas, com vista ao eventual enquadramento dos processos de aprendizagem e avaliação na UC. Por ser um ano de transição, o programa desta UC terá que ser adaptado ligeiramente devido ao programa executado na UC L120 - Estatística II no ano 2024/25. https://fenix-mais.iscte-iul.pt/courses/l0120-284502928656707/ficha-unidade-curricular-fuc
Bibliografia Principal / Main Bibliography
Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E. (2019), Multivariate Data Analysis, 8th Edition, Cengage. James, G., Witten, D., Hastie, T., and Tibshirani, R. (2021), An Introduction to Statistical Learning with Applications in R, 2st Ed., Springer. Bibliografia mais específica (obrigatória) dependerá dos desafios de grupo.
Bibliografia Secundária / Secondary Bibliography
Data da última atualização / Last Update Date
2025-07-24