Objetivos de aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes)
Os Objetivos de Aprendizagem (OA) da unidade curricular são:
OA1. Aplicar estatística descritiva na análise de dados, incluindo medidas de localização, dispersão, forma e associação, com tabelas e gráficos adequados.
OA2. Aplicar probabilidades simples, condicionadas e totais, usando álgebra dos acontecimentos e teorema de Bayes.
OA3. Resolver problemas com variáveis aleatórias discretas e contínuas, utilizando distribuições Binomial, Poisson e Normal.
OA4. Realizar inferência estatística através de intervalos de confiança e testes de hipóteses para parâmetros de uma população (média populacional; proporção).
OA5. Aplicar regressão linear simples, interpretando coeficientes e qualidade do ajustamento.
Sempre que adequado, será utilizada a linguagem R para operacionalizar conceitos e interpretar resultados.
Conteúdos programáticos
Os Conteúdos Programáticos (CP) da unidade curricular são:
CP1. Estatística descritiva: tipos de dados; tabelas e gráficos; medidas de localização, dispersão, forma e associação.
CP2. Teoria e cálculo das probabilidades: espaço amostral e acontecimentos; axiomas; probabilidade condicionada, total e teorema de Bayes.
CP3. Variáveis aleatórias e modelos: variáveis discretas e contínuas; distribuições Binomial, Poisson e Normal; esperança e variância.
CP4. Inferência estatística: estimação pontual e intervalar; testes de hipóteses para média e proporção de uma população.
CP5. Regressão linear simples: estimação por mínimos quadrados; coeficiente de determinação; análise de resíduos; interpretação do modelo.
Aplicações práticas com recurso à linguagem R sempre que adequado.
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular
A demonstração de coerência resulta da correspondência direta entre os conteúdos programáticos e os objetivos de aprendizagem. A estatística descritiva (CP1) suporta o desenvolvimento das competências de análise de dados previstas no OA1. A teoria e cálculo das probabilidades (CP2) permitem alcançar o OA2, relativo à aplicação do cálculo de probabilidades. Os conteúdos sobre variáveis aleatórias e modelos de probabilidade (CP3) contribuem para os OA2 e OA3, ao consolidar a modelação probabilística. A inferência estatística (CP4) concretiza o OA4, permitindo a construção e interpretação de intervalos de confiança e testes de hipóteses para uma população. Finalmente, a regressão linear simples (CP5) assegura o cumprimento do OA5, desenvolvendo competências na análise de relações entre variáveis e interpretação de modelos estatísticos.
Metodologias de ensino e de aprendizagem específicas da unidade curricular articuladas com o modelo pedagógico
Os métodos (M) de ensino incluem sessões expositivas presenciais, atividades teórico-práticas e orientação tutorial, com enfoque na resolução de problemas propostos em aula. Para tal, recorre-se às seguintes metodologias:
M1. Método expositivo; M2. Método participativo, através de discussão orientada e resolução de exercícios; M3. Método ativo, com trabalhos práticos e análise de casos; M4. Método experimental, com aplicações, sempre que possível, em software estatístico (linguagem de programação R).
Adicionalmente, no início de cada aula realiza-se uma breve revisão dos tópicos da aula anterior, promovendo a consolidação das aprendizagens.
Avaliação
Recorre-se à avaliação contínua (AC) ou a exame final. São admitidos à AC os estudantes com assiduidade mínima de 66%. A AC inclui duas frequências com igual ponderação, sendo exigida nota mínima de 8 valores em cada prova.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da unidade curricular
Em cada uma das quatro tipologias metodológicas (M1 a M4) encontram-se presentes os cinco objetivos de aprendizagem (OA1 a OA5).
A exposição dos conceitos e teorias fundamentais (M1); a análise e resolução de exercícios em aula (M2); a interpretação crítica de resultados estatísticos e modelos (M3); e a simulação de dados e aplicação prática de métodos descritivos, probabilísticos, inferenciais e de regressão linear simples, com recurso a software estatístico sempre que adequado (M4), permitem aos estudantes adquirir os conhecimentos e competências previstos nos OA1 a OA5.
Os exemplos, exercícios e casos práticos utilizados nos métodos participativo (M2) e experimental (M4) facilitam a aprendizagem e a aplicação adequada das técnicas estatísticas, incluindo a análise de relações entre variáveis.
Os momentos de avaliação contribuem para a concretização e consolidação dos objetivos de aprendizagem e dos conteúdos programáticos.
Bibliografia de consulta (existência obrigatória)
Anderson, D. R., Sweeney, D. J., Williams, T. A., Camm, J. D., & Cochran, J. J. (2019). Estatística aplicada à administração e economia (8.ª ed., tradução). Cengage Learning.
Spiegel, M. R., Schiller, J. J., & Srinivasan, R. A. (2013). Probabilidade e estatística (3.ª ed.). Bookman.
Anderson, D. R., Sweeney, D. J., Williams, T. A., Camm, J. D., Cochran, J. J., Fry, M. J., & Ohlmann, J. W. (2023). Statistics for business & economics (14th ed.). Cengage.
Black, K. (2023). Business statistics: For contemporary decision making (11th ed.). Wiley.
Diez, D., Barr, C., & Çetinkaya-Rundel, M. (2019). OpenIntro statistics (4th ed.). OpenIntro. https://www.openintro.org/go/?id=os4_for_screen_reader&referrer=/book/os/index.php
Navarro, D. J., & Foxcroft, D. R. (2022). Learning statistics with R. https://learningstatisticswithr.com/
