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

2023/2024

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

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: Avaliar a qualidade do ajustamento da amostra à população alvo. OA4: Utilizar e calcular ponderadores. OA5: Diagnosticar o padrão de não-respostas e propor formas de imputação. OA6: Estimar e testar parâmetros

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 Dimensão da amostra 2.3 Seleção de amostras 2.4 Erros 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 3, 7 OA4 - CP 4 OA5 - CP 5 OA6 – CP5, 6, 7

Avaliação / Assessment

Existem duas opções para a avaliação: 1. Avaliação periódica: Resolução de um caso prático (em grupo): 40% Exercício 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, em laboratório, 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

Não se aplica.

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

2024-02-16