Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
460 - Matemática e estatística
Departamento / Department
Departamento de Tecnologias Digitais
Ano letivo / Execution Year
2025/2026
Pré-requisitos / Pre-Requisites
É recomendado que os estudantes possuam capacidades de programação básica em Python ou R.
Objetivos Gerais / Objectives
Pretende-se que os alunos, no final da unidade curricular, conheçam os objetivos e a fundamentação de técnicas inferenciais de análise de dados, assim como saber interpretar os resultados obtidos; saber aplicar as técnicas de análise inferencial com recurso a softwares estatísticos e saber elaborar relatórios de análise de dados.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
No final da UC pretende-se que os estudantes adquiram as seguintes competências: OA1 - compreender os conceitos fundamentais de estatística inferencial; OA2 - calcular a dimensão de uma amostra; OA3 - estimar e interpretar um intervalo de confiança; OA4 - escolher o teste a usar em cada situação; OA5 - aplicar e interpretar testes estatísticos; OA6 - realizar o teste escolhido no software estatístico; OA7 - saber reportar os resultados estatísticos num relatório; OA8 - analisar dados bivariados.
Conteúdos Programáticos / Syllabus
CP1. Conceitos básicos de estatística descritiva, estatística inferencial, probabilidades e distribuição normal CP2. Estimação CP2.1. Intervalos de confiança para a média e para a proporção CP2.2. Determinação da dimensão da amostra CP3. Testes de Hipóteses: testes paramétricos e testes não paramétricos CP3.1. Teste t para uma amostra CP3.2. Teste t /Mann-Whitney para duas amostras independentes CP3.3 Anova a um factor/Kruskal-Wallis CP3.4. Teste de independência do qui-quadrado CP4: Correlação e Reta de Regressão
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 estão alinhados com os objetivos de aprendizagem, garantindo que os estudantes adquiram as competências necessárias. Inicia-se com os conceitos básicos de estatística descritiva, inferencial, probabilidades e distribuição normal (CP1), que fundamentam a compreensão da estatística inferencial (OA1). Em seguida, o módulo de Estimação (CP2) – com intervalos de confiança (CP2.1) e cálculo da dimensão da amostra (CP2.2) – permite aos estudantes estimar e interpretar intervalos, bem como calcular tamanhos amostrais (OA2 e OA3). O estudo dos Testes de Hipóteses (CP3), incluindo testes paramétricos e não paramétricos (CP3.1 a CP3.4), capacita-os a escolher, aplicar e interpretar testes estatísticos (OA4, OA5 e OA6). Por fim, o conteúdo de Correlação e Reta de Regressão (CP4) desenvolve a análise de dados bivariados (OA8). Todos os CPs contribuem para a habilidade de reportar resultados estatísticos em relatórios (OA7).
Avaliação / Assessment
Aprovação com classificação não inferior a 10 valores numa das modalidades seguintes: - Avaliação ao longo do semestre: 1 miniteste realizado em aula (20%) + Prova escrita final realizada na data da 1ª época (60%) + projeto realizado em grupo (20%), Todos os elementos de avaliação são obrigatórios e têm nota mínima de 8 valores. ou - Avaliação por Exame (100%).
Metodologias de Ensino / Teaching methodologies
Expositiva e Interativa (ME1): Integração dos conceitos teóricos com exemplos práticos. Ativa e Participativa (ME2): Resolver exercícios em sala de aula para aplicar conceitos teóricos, promovendo interação e participação ativa. Problem-Based Learning (ME3): Uso de sessões práticas para a aplicação dos conhecimentos teóricos através de softwares de modelação e análise estatística. Trabalho Autónomo (ME4): Realizar autoestudo através de tarefas online, fora do horário de aulas, incentivando o estudo contínuo e o progresso dos estudantes.
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 desta UC estão alinhadas com os objetivos de aprendizagem. A abordagem Expositiva e Interativa (ME1) integra teoria com exemplos práticos, promovendo a compreensão de estatística inferencial (OA1), o cálculo de amostras (OA2) e a estimação e interpretação de intervalos de confiança (OA3). A metodologia Ativa e Participativa (ME2) estimula a aplicação dos conceitos em sala, desenvolvendo habilidades para escolher e aplicar testes estatísticos (OA4, OA5). O Problem-Based Learning (ME3) permite aos alunos aplicar conhecimentos práticos com software de modelação e análise estatística, consolidando a aprendizagem (OA6, OA8). O trabalho autónomo (ME4) fomenta o estudo independente, contribuindo para a progressão contínua e a realização de relatórios estatísticos (OA7).
Observações / Observations
Para esta Unidade Curricular, os estudantes devem consultar o Código de Conduta Académica do Iscte, disponível nas plataformas institucionais, para garantir o cumprimento das normas éticas e comportamentais estabelecidas.
Bibliografia Principal / Main Bibliography
"Afonso, A. & Nunes, C. (2019). Probabilidades e Estatística. Aplicações e Soluções em SPSS. Versão revista e aumentada. Universidade de Évora. Laureano, Raul (2020) - Testes de Hipóteses e Regressão, Lisboa, Edições Sílabo. Marôco, J. (2018) - Análise Estatística com o SPSS Statistics (7ªed.), Pêro Pinheiro, ReportNumber. Mehmet, M. and Jakobsen, Tor G. (2022). Applied Statistics Using Stata: A Guide for the Social Sciences (2nd ed.). SAGE Publications."
Bibliografia Secundária / Secondary Bibliography
Haslwanter, T. (2016). An Introduction to Statistics with Python: With Applications in the Life Sciences. Springer. ISBN: 978-3-319-28316-6
Data da última atualização / Last Update Date
2025-07-21