Objetivos de aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes)
Objetivos:
A estrutura programática desta unidade curricular visa proporcionar aos alunos os conhecimentos básicos de análise de dados, probabilidades e modelação estatística. Pretende-se habilitar os alunos com as seguintes competências:
Propor soluções e decisões com base em modelação estatística, análise de dados e respetiva interpretação;
Aprendizagem ao longo da vida de matérias quantitativas;
Básicas de investigação;
Utilização de ferramentas informáticas que permitam realizar modelação estatística e análises de dados em ambiente profissional.
Conteúdos programáticos
1. Estatística descritiva.
2. Teoria das probabilidades.
3. Variáveis aleatórias e vetores aleatórios.
4. Covariância, correlação e aplicação na teoria moderna das carteiras.
5. Distribuições, Bernoulli, Binomial, Normal, Log Normal, t-Student e Qui.Quadrado.
6. Lei dos grandes números e teorema limite central.
Aplicações utilizando o Excel, Jamovi, Python e R.
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular
Em geral, os conteúdos programáticos desenvolvem-se de um modo lógico de uma ênfase mais teórica para um ênfase mais prática, assim como de uma ênfase mais global para uma ênfase mais operacional, em coerência com os objetivos de uma formação com maior conteúdo de aplicação do saber. Os conteúdos programáticos são coerentes e estão concebidos para dar resposta aos objetivos de ensino/aprendizagem, nomeadamente no que toca ao desenvolvimento de competências de mais alto nível, tais como as competências de formulação, implementação e avaliação de decisões.
Metodologias de ensino e de aprendizagem específicas da unidade curricular articuladas com o modelo pedagógico
A avaliação de conhecimentos, enquanto sistema que afere o saber assimilado, tem carácter individual, permitindo apreciar a capacidade para desenvolver ou utilizar um tema ou um método de aproximação à realidade estudada; recorre-se à avaliação contínua (2 testes, 50% cada, sendo exigida a nota mínima de 7,5 valores em cada teste) ou exame final (prova escrita, sem oral). A metodologia de ensino terá como base os seguintes preceitos:
1. Exposição da matéria teórico/prática com recurso a casos práticos;
2. Resolução de fichas de exercícios, referentes a cada tópico do conteúdo programático;
3. Resolução de casos práticos com dados usando o Excel, Jamovi, R e Python.
4. Interação permanente com os discentes, com o objetivo de no início de cada aula rever de forma breve os conceitos principais ministrados na aula anterior e esclarecer eventuais dúvidas.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da unidade curricular
A aquisição das competências de conhecimento e compreensão é, em primeiro lugar, realizada através de métodos expositivos em aula, assim como de exemplos práticos. Os principais métodos de aprendizagem utilizados são os exercícios e análises de dados com Excel, Jamovi, R e Python. Os métodos de ensino utilizados, principalmente para atingirem os objetivos de competências de mais alto nível, requerem uma participação interativa e intensa, porque utilizam técnicas de aprendizagem ativa que conjugam, de uma forma equilibrada, a discussão de conceitos e teorias com a sua aplicação.
Bibliografia de consulta (existência obrigatória)
Groebnerm D., Shannon, P. and Fry, P. (2023) Business Statistics: A Decision Making Approach, Global Edition. Pearson Education Limited.
The jamovi project (2022). jamovi. (Version 2.3) https://www.jamovi.org.
Scandizzo, M.F. (2021) Data Analysis for Corporate Finance. Fulton Books, Inc.
R Core Team (2021). R: A Language and environment for statistical computing. (Version 4.1) https://cran.r-project.org.
Black, Ken. (2019) Business Statistics for Contemporary Decision Making. 10th edition. Wiley.
Heumann,S., Schomaker, M., Shalabb (2016). Introduction to Statistics and Data Analysis
With Exercises, Solutions and Applications in R. Springer.
Cortinhas, Carlos and Black, Ken (2012). Statistics for Business and Economics. 1st European ed. Wiley.
