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

Não tem.

Objetivos Gerais / Objectives

Esta UC pretende familiarizar os estudantes com os aspetos teóricos e práticos da amostragem, enquadrados na metodologia dos estudos por amostragem (estudos de mercado, inquéritos, sondagens).

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 os estudantes deverão ser capazes de simular cenários probabilísticos (OA1), calcular probabilidades condicionadas (diretamente ou por via do teorema de Bayes), e verificar a independência de acontecimentos (OA2). Deverão conhecer os os métodos clássicos de amostragem estatística e suas condições de aplicabilidade (OA3) e saber calcular estimativas e suas medidas de precisão (OA4). Deverão ser capazes de identificar contextos de complementaridade entre os estudos por amostragem e o big data (OA5).

Conteúdos Programáticos / Syllabus

CP1. Teoria das probabilidades: definições, axiomas, probabilidade condicional, probabilidade total e fórmula de Bayes. CP2. Variáveis aleatórias univariadas: função de probabilidade e densidade, função distribuição, parâmetros caracterizadores. CP3. Estudos por amostragem: recolha de dados por questionário; plano de amostragem CP4. Amostragem aleatória vs. não aleatória: tipos de amostras não aleatórias. CP5. Amostragem aleatória: simples, sistemática, com probabilidades desiguais, estratificada. CP6. Combinar estudos por amostragem com big data.

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 CP1 e CP2 encontram-se associados aos OA1 e OA2. Os CP3, CP4 e CP5 encontram-se associados aos OA3 e OA4. O CP6 encontra-se associado ao OA5.

Avaliação / Assessment

Regime de avaliação: ao longo do semestre ou por exame. Ao longo do semestre: -Teste intermédio (50%) + teste final (50%). - Presença obrigatória em pelo menos 75% das aulas (18 aulas). - Ambos os testes têm nota mínima de 7,5 valores e duas componentes: teórico-interpretativa (70%) e prática com R (30%). Por exame: - Exame (100%) com duas componentes: teórico-interpretativa (70%) e prática com R (30%). Sempre que existam dúvidas quanto à autoria ou ao domínio dos conhecimentos demonstrados num elemento de avaliação, o estudante poderá ser convocado para uma prova individual, oral ou escrita, destinada a validar a respetiva classificação. Poderá ainda ser requerida uma oral no caso da classificação ser igual ou superior a 18 valores e caso o aluno não compareça na oral, a classificação final será de 16 valores. Não é permitido o uso de telemóveis, smartwatches, ou quaisquer outros equipamentos eletrónicos nas provas escritas. A utilização ilícita de tais equipamentos será sancionada em concordância com o Regulamento Disciplinar de Discentes.

Metodologias de Ensino / Teaching methodologies

ME1: Expositivas, para apresentação dos quadros teóricos de referência ME2: Participativas, com a análise e discussão de casos práticos onde se usa o software R ME3: Auto-estudo, relacionadas com o trabalho autónomo do estudante, tal como consta no Planeamento das Aulas

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

Esta UC requer conceitos teóricos, fundamentais para a compreensão dos diferentes conteúdos programáticos, pelo que as aulas expositivas permitem abranger todos os objetivos de aprendizagem. As aulas participativas permitem a aplicação dos conhecimentos teóricos, contribuindo assim para consolidar a compreensão destes. O trabalho autónomo por parte do estudante é crucial para aprofundar a teoria e prática trabalhados em sala de aula.

Observações / Observations

--

Bibliografia Principal / Main Bibliography

Groves, R., Fowler, F., Couper, M., Lepowski, J., Singer, E. & Tourangeau, R. (2009). Survey Methodology, 2nd edition, John Wiley and Sons. Levy, P., Lemeshow, S. (1991). Sampling of Populations: methods and applications. Wiley Interscience. Reis, E., Andrade, M., Calapez, T. & Melo, P. (2021). Estatística Aplicada, volume 1. 7ª edição. Lisboa. Edições Sílabo, 2021, ISBN 978-989-561-186-7. Reis, E., Andrade, M., Calapez, T. & Melo, P. (2019). Estatística Aplicada volume 2, 6ª edição, Lisboa. Edições Sílabo, 2019, ISBN 978-972-618-986-2. Speegle, D., & Clair, B. (2021). Probability, Statistics, and Data: A Fresh Approach Using R. Chapman and Hall/CRC. Free access at https://mathstat.slu.edu/~speegled/_book/

Bibliografia Secundária / Secondary Bibliography

Salganik, M. (2017). Bit by Bit- Social Research in the Digital Age. New Jersey: Princeton University Press. https://www.bitbybitbook.com/ Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data, 2nd edition. O’Reilly Media. https://r4ds.hadley.nz/

Data da última atualização / Last Update Date

2026-07-30