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
Nenhum
Objetivos Gerais / Objectives
A Unidade Curricular de Estatística para Gestão Industrial e Logística tem como objetivo geral dotar os alunos de uma base sólida de conhecimentos teóricos, metodológicos e práticos em estatística, permitindo-lhes descrever, analisar e interpretar dados de forma rigorosa e eficaz. Pretende-se que os estudantes sejam capazes de modelizar situações reais com incerteza, recorrer a técnicas de inferência estatística e aplicar simulações com recurso a software de código aberto como o R. Para além da vertente técnica, a UC visa desenvolver competências de comunicação dos resultados obtidos, essenciais no apoio à tomada de decisão em contextos de gestão industrial e logística.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1. Conhecimentos: metodológicos e práticos que permitam descrever analítica e graficamente a informação disponível OA2. Conhecimentos: teóricos, metodológicos e práticos que permitam modelizar cenários probabilísticos de complexidade baixa ou moderada. OA3. Conhecimentos: teóricos, metodológicos e práticos de inferência estatística OA4. Aptidões: Aplicar técnicas de simulação estatística básica e de análise de dados com recurso a software de código aberto (R ou similar) OA5. Competências: Demonstrar capacidade de comunicação quanto aos resultados das análises efetuadas
Conteúdos Programáticos / Syllabus
CP1: Estatística descritiva: tipos de variáveis, medidas de caracterização, representações gráficas (histogramas, gráficos de barras, diagramas de extremos e quartis) CP2: Revisão de conceitos básicos de probabilidades; teorema da probabilidade total e fórmula de Bayes. CP3: Variáveis aleatórias e distribuições de probabilidade: i) conceitos básicos (funções de probabilidade, densidade e distribuição, momentos); modelos probabilísticos discretos (Bernoulli, binomial, Poisson) e contínuos (Normal, Lognormal, exponencial). Simulaçãode variáveis aleatórias com distribuição especificada. Obtenção de probabilidades através de simulação. CP4: Inferência estatistica: Intervalos de confiança clássicos e de tipo percentílico; Testes de hipóteses (uma ou duas médias, proporção, testes de ajustamento e de independência). Bootstrapping.
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 demonstram clara coerência com os objetivos de aprendizagem definidos. O CP1 responde aos OA1 e OA5, ao fornecer ferramentas para descrever e comunicar dados de forma analítica e gráfica. O CP2 e CP3 sustentam o OA2, desenvolvendo a capacidade de modelização probabilística com base em conceitos fundamentais e distribuições discretas e contínuas. O CP3 também contribui para o OA4, ao introduzir a simulação de variáveis aleatórias e cálculo de probabilidades por simulação. O CP4 está diretamente ligado ao OA3, ao tratar métodos de inferência clássica e resampling (bootstrap), e também reforça o OA4 pela aplicação de técnicas com software estatístico. Transversalmente, a utilização de software livre como R permite operacionalizar todos os objetivos com foco na prática e comunicação eficaz dos resultados.
Avaliação / Assessment
Avaliação ao longo do semestre: 1.Assiduidade mínima de 2/3 de aulas. 2. Três fichas práticas com o software estatístico escolhido, a realizar em grupo, em aulas práticas (cada uma correspondendo a cada um dos pontos pontos CP1, CP3 e CP4) - 30%. nota mínima em cada um dos trabalhos de 8 valores. Adicionalmente poderá haver discussão oral. 3. um teste individual final (70%). Nota mínima 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
As seguintes metodologias pedagógicas serão usadas: 1. Expositivas: para introduzir os conceitos e teorias fundamentais; 2. Participativas: com análise e discussão de casos e outros documentos em sala de aula; 3. Ativas: nas aulas práticas e com realização das fichas práticas; 4. Experimentais: em regime BYOD, para realização de análises sobre dados reais ou simulados; 5. 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
Principais interligações entre as metodologias de ensino - aprendizagem e os respectivos objectivos (OA): 1. Expositivas: para introduzir os conceitos e teoriais fundamentais; (OA1, OA2, OA3) 2. Participativas: com análise e discussão de casos e outros documentos em sala de aula; (OA2, OA3) 3. Ativas: nas aulas práticas e com realização das fichas práticas; ( OA1, OA2, OA3, OA4) 4. Experimentais: em regime BYOD, para realização de análises sobre dados reais ou simulados;OA1, OA2, OA3, OA4, OA5 5. Auto-estudo: relacionado com o trabalho autónomo do aluno.(OA1, OA2, OA3, OA4, OA5)
Observações / Observations
1. 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
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/ Thulin, M. (2021). Modern Statistics with R. Eos Chasma Press. ISBN 9789152701515. Verzani, J. (2014). Using R for Introductory Statistics, 2nd Edition, Chapman & Hall/CRC 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.
Bibliografia Secundária / Secondary Bibliography
Rohatgi, V.K. and Ehsanes Saleh, A.K. Md (2015). An Introduction to Probability and Statistics, 3rd edition, Wiley Series in Probability and Statistics 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. Verzani, J. (2014). Using R for Introductory Statistics, 2nd Edition, Chapman & Hall/CRC Apontamentos e slides a disponibilizar ao longo do curso.
Data da última atualização / Last Update Date
2025-07-24