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

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

O estudante que complete com sucesso esta unidade curricular será capaz de: OA1. Descrever e representar graficamente dados, selecionando e aplicando as medidas de estatística descritiva adequadas ao tipo de variável; OA2. Aplicar conceitos de probabilidade e modelos probabilísticos discretos e contínuos na modelização de fenómenos com incerteza; OA3. Construir intervalos de confiança e realizar testes de hipóteses, recorrendo a métodos clássicos e de reamostragem (bootstrap); OA4. Aplicar software de código aberto (R ou similar) na descrição, simulação e inferência estatística de dados; OA5. Comunicar de forma clara e rigorosa os resultados de análises estatísticas.

Conteúdos Programáticos / Syllabus

CP1: Estatística descritiva 1.1. Tipos de variáveis 1.2. Medidas de caracterização 1.3. Representações gráficas (histogramas, gráficos de barras, diagramas de extremos e quartis) CP2: Probabilidades 2.1. Revisão de conceitos básicos de probabilidades 2.2. Teorema da probabilidade total e fórmula de Bayes CP3: Variáveis aleatórias e distribuições de probabilidade 3.1. Conceitos básicos (funções de probabilidade, densidade e distribuição) 3.2. Modelos probabilísticos discretos (Bernoulli, binomial, Poisson) 3.3. Modelos probabilísticos contínuos (Normal, exponencial) 3.4. Simulação de variáveis aleatórias com distribuição especificada. Obtenção de probabilidades através de simulação. CP4: Inferência estatística 4.1. Intervalos de confiança clássicos 4.2. Bootstrapping: conceito e intervalos de confiança de tipo percentílico 4.3. Testes de hipóteses (uma ou duas médias)

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 (CP) da UC encontram-se alinhados com os objetivos de aprendizagem (OA) definidos. O CP1 responde ao OA1, fornecendo as ferramentas de estatística descritiva necessárias para descrever e representar graficamente os dados. Os CP2 e CP3 sustentam o OA2, ao desenvolverem a capacidade de aplicar conceitos e modelos probabilísticos discretos e contínuos na modelização de fenómenos com incerteza. O CP4 responde ao OA3, ao abordar os intervalos de confiança e os testes de hipóteses através de métodos clássicos e de reamostragem. Os CP1, CP3 e CP4 sustentam também o OA4, na medida em que a aplicação de software de código aberto (R ou similar) atravessa a estatística descritiva, os modelos probabilísticos discretos e contínuos, a simulação de variáveis aleatórias e a inferência estatística. Por fim, o OA5 desenvolve-se de forma transversal ao longo de toda a UC, na medida em que a comunicação dos resultados é trabalhada em todos os conteúdos programáticos.

Avaliação / Assessment

1. Avaliação ao longo do semestre: a) Assiduidade mínima de 2/3 das aulas lecionadas; b) Teste intermédio individual (50%). Nota mínima de 8,5 valores. c) Teste individual final (50%). Nota mínima de 8,5 valores. d) Média final mínima de 10 valores (nota arredondada às unidades). 2. Avaliação por exame: Exame individual que inclui a matéria toda com nota mínima de 10 valores (nota arredondada às unidades). 3. 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. 4. Os testes e os exames serão realizados presencialmente. 5. 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.

Metodologias de Ensino / Teaching methodologies

A concretização dos objetivos da unidade curricular faz-se por meio de aulas teórico-práticas, aulas práticas e trabalho pessoal dos estudantes. O estudo individual, tendo por base a bibliografia sugerida, é orientado e apoiado pelos seguintes Metodologias de Ensino e de Aprendizagem (MEA): MEA1 – Expositivas: introdução dos conceitos e modelos teóricos fundamentais; MEA2 – Práticas: resolução de exercícios e discussão de casos, em sala de aula, para consolidar a aplicação dos conceitos; MEA3 – Experimentais: em regime BYOD, para análise de dados reais ou simulados com recurso a software estatístico; MEA4 – Autoestudo: trabalho autónomo do aluno, apoiado na bibliografia sugerida.

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 e de aprendizagem (MEA) foram concebidas para promover o desenvolvimento das competências necessárias à concretização dos objetivos de aprendizagem (OA) definidos. A MEA1 (aulas expositivas) introduz os conceitos e modelos teóricos subjacentes aos conteúdos programáticos, contribuindo para as bases dos OA1, OA2 e OA3. A MEA2 (aulas práticas), através da resolução de exercícios e da discussão de casos, consolida a aplicação destes conceitos, reforçando os OA1, OA2 e OA3. A MEA3 (aulas experimentais, em regime BYOD) permite aos estudantes aplicar software de código aberto (R ou similar) na descrição, simulação e inferência estatística de dados, respondendo diretamente ao OA4. A MEA4 (autoestudo), apoiada na bibliografia sugerida, reforça a consolidação autónoma dos conteúdos e objetivos da UC. Por fim, o OA5 desenvolve-se de forma transversal ao longo de toda a UC, na medida em que a comunicação dos resultados é trabalhada em todas as metodologias de ensino e de aprendizagem, nomeadamente na discussão de casos (MEA2) e nas aulas experimentais (MEA3). Quanto à avaliação, o teste intermédio, o teste final e o exame avaliam de forma integrada os OA1 a OA5, incluindo a aplicação de conceitos de programação em R (ou software similar) relevantes para a resolução dos exercícios propostos.

Observações / Observations

Os alunos abrangidos pelo Regulamento Interno para Estudantes com Estatutos Especiais deverão contactar o docente da UC na primeira semana de aulas, com vista ao enquadramento dos processos de aprendizagem e avaliação na UC.

Bibliografia Principal / Main Bibliography

1. Field, A. (2026). Discovering statistics using R and RStudio (2nd ed.). Sage: London. 2. 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/ 3. Thulin, M. (2021). Modern Statistics with R. Eos Chasma Press. ISBN 9789152701515. 4. Verzani, J. (2014). Using R for Introductory Statistics, 2nd Edition, Chapman & Hall/CRC 5. Dias Curto, JJ (2021). Estatística com R: Aprenda Fazendo. Edição de autor. ISBN: 978-989-33-2076-1 6. Reis, E., P. Melo, R. Andrade & T. Calapez (2021). Estatística Aplicada, Vol. 1, 7ª ed. Edições Sílabo. 7. Reis, E., P. Melo, R. Andrade & T. Calapez (2018). Estatística Aplicada, Vol. 2, 6ª ed. Edições Sílabo.

Bibliografia Secundária / Secondary Bibliography

1. Rohatgi, V.K. and Ehsanes Saleh, A.K. Md (2015). An Introduction to Probability and Statistics, 3rd edition, Wiley Series in Probability and Statistics 2. 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. 3. 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. 4. Apontamentos e slides a disponibilizar ao longo do curso.

Data da última atualização / Last Update Date

2026-07-29