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 de Pesquisa Social
Ano letivo / Execution Year
2024/2025
Pré-requisitos / Pre-Requisites
Não se aplica.
Objetivos Gerais / Objectives
Calcular e selecionar amostras aleatórias, utilizando os principais métodos de amostragem. Avaliar a qualidade do ajustamento das amostras à população de origem, com possível recurso a ponderadores. Diagnóstico e análise de não respostas. Estimar parâmetros e testar parâmetros e distribuições. Resolver problemas práticos na construção de amostras e de exploração inicial de dados no contexto de Ciências Sociais Desenvolver competências de amostragem e estatística inferencial com recurso ao software IBM SPSS Statistics.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1: Identificar os principais conceitos de estatística relevantes em amostragem e estimação. OA2: Selecionar e calcular a dimensão de amostras OA3: Utilizar e calcular ponderadores. OA4: Diagnosticar o padrão de não-respostas e propor formas de imputação. OA5: Estimar e testar parâmetros OA6: Avaliar a qualidade do ajustamento da amostra à população alvo.
Conteúdos Programáticos / Syllabus
Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem. CP1. Introdução 1.1 Estatísticas e parâmetros 1.2 Probabilidades 1.3 Distribuição Normal CP2. Amostragem 2.1 Bases de sondagem 2.2 Seleção de amostras 2.3 Erros 2.4 Dimensão da amostra CP3. Ponderadores Construção e ativação de ponderadores CP4. Não-respostas 4.1 Diagnóstico e análise de padrões 4.2 Imputação CP5. Estimação 5.1 Estimação pontual 5.2 Estimação por intervalos 5.3 Estimação robusta (o problema dos valores extremos) CP6. Ensaios de hipóteses 6.1 Hipóteses, Erros, Decisão. 6.2 Teste t a uma média CP7. Qualidade do ajustamento 7.1 Kolmogorov-Smirnov e Shapiro-Wilk 7.2 Teste de ajustamento do Qui-Quadrado
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes
Os objetivos de aprendizagem (OA) definidos para esta UC são concretizados em conteúdos programáticos (CP) conforme as ligações seguintes: OA1 - CP 1, 2, 4, 6 OA2 - CP 2 OA3 - CP 4 OA4 - CP 5 OA5 - CP5, 6, 7 OA6 - CP 3, 7
Avaliação / Assessment
Existem duas opções para a avaliação: 1. Avaliação ao longo do semestre: Resolução de um caso prático (em grupo): 40% Teste escrito individual: 60% Para obter aprovação na UC, a nota de cada uma das componentes não pode ser inferior a 8 valores. O acesso à avaliação exige a assiduidade a pelo menos 70% das aulas da unidade curricular. 2. Avaliação por exame: Teste escrito individual (100%).
Metodologias de Ensino / Teaching methodologies
A concretização dos objetivos da unidade curricular faz-se por meio de aulas teórico-práticas e trabalho pessoal dos estudantes. Este trabalho pessoal consiste num conjunto de atividades, incluindo, para cada estudante: a) frequência das aulas e participação efetiva nelas; b) realização de exercícios práticos, utilizando software específico.
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
A metodologia de ensino-aprendizagem (ME) inclui três componentes: ME1: Expositivas, para apresentação dos quadros teóricos de referência. ME2: Experimentais, com desenvolvimento de exercícios com recurso a meios digitais. ME3: Auto-estudo, relacionadas com o trabalho autónomo do aluno, tal como consta no planeamento das aulas. As metodologias de ensino estão em articulação com os objetivos de aprendizagem (OA) da UC da seguinte forma: ME1- OA1, 2, 3, 4, 5, 6, 7 ME2- OA2, 3, 4, 5, 6, 7 ME3- OA1, 2, 3, 4, 5, 6, 7
Observações / Observations
Recomenda-se conhecimento básico de utilização do software IBM SPSS Statistics.
Bibliografia Principal / Main Bibliography
Field, A. (2009) Discovering Statistics Using SPSS, 3th ed., London, SAGE. Graham, J. W. (2012) Missing Data_ Analysis and Design, New York, Springer-Verlag. Laureano, R. (2020) Testes de hipóteses e regressão: o meu manual de consulta rápida, Lisboa, Edições Sílabo. Laureano, R. e Botelho, M. C. (2017) SPSS - O Meu Manual de Consulta Rápida, 3ª ed.,Lisboa, Edições Sílabo. Maroco, J. (2018) Análise Estatística com o SPSS Statistics, 7ª ed., Pero Pinheiro, ReportNumber. Vicente, P. (2012) Estudos de Mercado e Opinião. Princípios e Aplicações de Amostragem, Lisboa, Edições Sílabo.
Bibliografia Secundária / Secondary Bibliography
Cochran, W. (1997) Sampling Techniques, USA, John Wiley & Sons, 3ª ed. Maroco, J. e Bispo, R. (2003) Estatística Aplicada às Ciências Sociais e Humanas, Lisboa, Climepsi Editores. Murteira, B.J. (1993) Análise Exploratória de Dados? Estatística Descritiva, Lisboa, McGraw-Hill. Reis, E. (1998) Estatística Descritiva, Lisboa, Lisboa, Edições Sílabo. Reis, E., Melo, P., Andrade, R. e Calapez, T. (1997) Estatística Aplicada, Volumes 1 e 2, Lisboa, Edições Sílabo. Little, R.J.A., & Rubin, D.B. (2002) Statistical analysis with missing data, Hoboken, Wiley.
Data da última atualização / Last Update Date
2024-07-25