| Código |
15360
|
| Ano |
2
|
| Semestre |
S2
|
| Créditos ECTS |
6
|
| Carga Horária |
TP(60H)
|
| Área Científica |
Matemática
|
|
Tipo de ensino |
Presencial
|
|
Objectivos de Aprendizagem |
Pretende-se desenvolver no aluno uma compreensão intuitiva da estatística e do raciocínio estatístico, que lhe permita, perante um problema desconhecido, saber qual ou quais os métodos estatísticos e as ferramentas a aplicar. Pretende-se também que o aluno adquira prática na análise de dados com utilização de programas estatísticos, nomeadamente o SPSS. O estudante deverá ficar capacitado para estruturar uma base de dados para análise estatística; usar métodos e técnicas de estatística descritiva para caracterizar o conjunto de dados; perceber e aplicar os principais testes não paramétricos; especificar, estimar e interpretar o modelo de regressão linear simples e de regressão linear múltipla; especificar, estimar e interpretar o modelo de análise de variância com um ou mais fatores. De um modo geral, o aluno deverá ser capaz de participar na realização de estudos estatísticos que envolvam tratamento estatísticos dos dados e interpretação dos resultados.
|
|
Conteúdos programáticos |
1) Testes de hipóteses não paramétricos
a) Testes para uma única amostra: Teste de aleatoriedade de sequências (teste dos runs); Teste Binomial; Teste de ajustamento de Kolmogorov-Smirnov
b) Testes para uma amostra ou duas amostras emparelhadas: Teste dos sinais; Teste de Wilcoxon (Signed Ranks)
c) Testes para duas amostras independentes: Teste U de Mann-Whitney; Teste de Kolmogorov
d) Testes para dados nominais: Teste do Qui-quadrado; Teste exato de Fisher
2) Análise da Variância
a) Anova com um factor
b) Anova com dois factores sem repetição
c) Anova com dois factores com repetição
3) Regressão e Correlação Simples
a) Introdução ao conceito de regressão e covariância
b) Método dos mínimos quadrados
c) Regressão linear
d) Coeficiente de correlação, variância residual e coeficiente de determinação
e) Ajustamentos a modelos não lineares
4) Regressão e Correlação Múltipla
a) Modelo linear
b) Modelos não lineares
|
|
Metodologias de Ensino e Critérios de Avaliação |
As aulas são do tipo teórico-prático, em que o aluno será guiado para a resolução de exercícios envolvendo técnicas de inferência estatística, recorrendo-se ao SPSS sempre que necessário.
A aferição de conhecimentos e competências adquiridas pelos alunos durante o ensino-aprendizagem é feita através da realização de duas frequências (F_1 e F_2, classificadas de 0 a 20 valores) com ponderação de 0,35 cada uma e três trabalhos práticos (T_i, i=1,2,3, classificados de 0 a 20 valores) com ponderação 0,1 cada.
A classificação final de ensino-aprendizagem (CEA, expressa de 0 a 20 valores) é calculada da seguinte forma
CEA=0,35F_1+0,35F_2+0,1T_1+0,1T_2+0,1T_3.
A dispensa de exame final é concedida quando a CEA for igual ou superior a 9,5 valores, exigindo-se a nota mínima de 2 valores em cada frequência e um valor em cada trabalho prático, e a assiduidade superior ou igual a 70%, caso contrário é concedida a classificação de ``FREQUÊNCIA''.
|
|
Bibliografia principal |
Gonçalves, E., Nogueira, E. e Rosa, A.C. (2016). {\it{Probabilidades e Estatística para Ciências e Tecnologia. Conceitos e exercícios resolvidos}}. Almedina. Cota: M-7.0-00028
Hall, A., Neves, C. e Pereira, A. (2011). Grande Maratona de Estatística no SPSS. Escolar Editora. Cota: EG-4.2-00500
Montgomery, D. e Runger, G. (2011). Applied statistics and probability for engineers, 5ª Edição, John Wiley \& Sons. Cota: MD-14-00531
Ross, S. (2009). Introduction to probability and statistics for engineers and scientists. Amsterdam Elsevier. Cota: F-1.8-01370 (CD)
|
| Língua |
Português
|