Objetivos de aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes)
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;
Recurso a técnicas básicas de investigação;
Utilização da linguagem de programação R (de código aberto e de livre distribuição) e alguns dos seus pacotes e plugins que permitem realizar modelação estatística e análise de dados de forma amigável e intuitiva;
Aprendizagem ao longo da vida de matérias quantitativas.
Conteúdos programáticos
1. Amostragem e Distribuições Amostrais: Amostragem Aleatória;Números Aleatórios e Variáveis Aleatórias;Lei dos Grandes Números. Teorema Limite Central; Estatísticas Amostrais;Distribuição da Média Amostral 2.Estimação:Estimador e Estimativa;Propriedades dos Estimadores;Método da Máxima Verosimilhança;Estimação por Intervalo para a Média, Proporção, Diferença entre Médias e Variância. 3. Testes de Hipóteses (TH):Hipótese Nula e Hipótese Alternativa;Tipologia dos Erros; Testes Paramétricos: TH para a Média, Proporção, Diferença entre Médias e Variância; Testes de Independência (Qui-Quadrado & Teste Exacto de Fisher); medidas de associação. 4. Regressão Linear (RL):Diagrama de Dispersão e Análise de Correlação;Modelo de RL Simples; Método dos Mínimos Quadrados. 5. Números índices: Índices simples;Índices agregados;Deflação de valores;Aplicações.
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular
Os conteúdos programáticos estão em linha com os objetivos da unidade curricular dado que o programa foi concebido para abordar numa primeira fase os conceitos base de Estatística que suportam a Análise de Dados, passando posteriormente por técnicas específicas de análise de séries de dados. As técnicas selecionadas apresentam uma relação estreita com os objetivos, não apenas da unidade curricular, mas também do próprio curso. As técnicas serão aplicadas gradualmente e sempre que possível, serão implementadas com recurso à linguagem de programação R e alguns dos seus pacotes e plugins, de modo a minimizar o esforço de cálculo e a conduzir o enfoque na interpretação de resultados bem como na melhor tomada de decisão com vista à resolução da problemática proposta.
Metodologias de ensino e de aprendizagem específicas da unidade curricular articuladas com o modelo pedagógico
Recorre-se à avaliação contínua ou exame final. Na avaliação contínua a componente da participação em aulas terá um peso de 20% sendo os restantes 80% afetos à realização de 2 testes (50% cada, nota mínima de 8 valores em ambos). Serão admitidos à avaliação por frequência, alunos que tenham uma assiduidade mínima (2/3 das aulas) caso contrário serão avaliados por exame. A metodologia de ensino terá como base:(i) exposição da matéria sempre que possível com o recurso a casos práticos e implementação computacional;(ii) resolução de exercícios, referentes a cada tópico do conteúdo programático;(iii) disponibilização de material de apoio para uma maior assimilação das temáticas propostas;(iv) interação permanente com os discentes, com o objetivo de no início de cada aula rever de forma breve os conceitos principais da aula anterior;(v) incentivar a implementação das metodologias expostas na resolução de problemas.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da unidade curricular
Pretende-se que os alunos adquiram competências relacionadas com a Estatística e Análise de Dados. Para o efeito os alunos têm de aprender a resolver problemas/exercícios sobre as diversas temáticas, com recurso à metodologia e técnica(s) mais apropriada(s), e sempre que possível com recurso à linguagem de programação R. Os referidos problemas serão propostos nas aulas. Adicionalmente, sempre que possível, importa aos alunos realizarem análise de dados com ênfase na gestão e áreas afins com dados reais. O regime de avaliação foi concebido para medir até que ponto as competências foram de facto assimiladas.
Bibliografia de consulta (existência obrigatória)
Anderson, D. R., Sweeney, D. J., Williams, T. A., Camm, J. D., & Cochran, J. J. (2016). Statistics for business & economics. Cengage Learning. Black, K. (2019). Business statistics: for contemporary decision making. John Wiley & Sons. Cortinhas, C., & Black, K. (2014). Statistics for business and economics. Wiley Global Education. Crawley, M. J. (2012). The R book (2nd Edition). John Wiley & Sons. Doane, D. P., Seward, L. E., (2014). Estatística aplicada à administração e economia (4ª edição). Artmed Editora Field, A., Miles, J., & Field, Z. (2012). Discovering statistics using R. Sage publications. Kazmier, Leonard J. (2007), Estatística Aplicada à Economia e Administração (4ª edição). McGraw Hill. Pedrosa, A.C. e Gama, S.M. (2018) Introdução Computacional à Probabilidade e Estatística com Excel. Porto Editora. Torgo, L. (2009). A linguagem R-programação para análise de dados. Lisboa: Escolar Editora.
