O principal objetivo é fornecer um conjunto de conhecimentos básicos que permitam ao estudante fazer uma análise descritiva sobre um conjunto de dados.

O estudante dever ser capaz de aplicar as medidas descritivas apropriadas aos dados em estudo, entender como deve ser realizada uma amostragem correta e identificar as restrições e os limites da representatividade de uma amostra.

Introdução à Estatística: População, amostra, variáveis. Classificação de variáveis. Transformação de escalas. – 1 Semana

Estatística Descritiva Univariada: tabelas de frequências; medidas descritivas de localização e de dispersão; coeficientes de assimetria e de achatamento; avaliação da dispersão da amostra; representações gráficas de dados discretos, contínuos e qualitativos: histograma; gráfico de barras; pictograma; gráfico circular; caule-e-folhas, diagrama de extremos e quartis com análise de outliers; comparação gráfica de amostras; gráficos traiçoeiros. – 3,5 Semana

Estatística Descritiva Bivariada: tabelas cruzadas e tabelas de contingência; diagrama de dispersão; coeficientes de correlação de Pearson e de Spearman; regressão linear. – 2,5 Semanas

Software de apoio às aulas Estatística Descritiva Univariada e Bivariada: R ou outro similar. – 3 Semanas

Probabilidades: teoria dos conjuntos; experiências aleatórias; conjuntos de resultados; acontecimentos; operações sobre acontecimentos; aproximação frequencista de probabilidade; definição clássica ou de Laplace; definição axiomática de probabilidades; propriedades da probabilidade, probabilidade condicionada e independência; acontecimentos independentes e teorema de Bayes; – 3 semanas

Distribuição de frequências relativas e distribuições de probabilidades: variável aleatória; função massa de probabilidades e função densidade de probabilidade; média vs valor médio; desvio-padrão amostral vs desvio-padrão populacional. – 2 semanas

Nas aulas teórico-práticas desenvolve-se o raciocínio a partir de situações concretas, elementares e práticas: cada conceito/método é acompanhado por exemplos, permitindo assim dominar sem dificuldades, os métodos estatísticos. Acentuam-se mais os conceitos e as situações do que as demonstrações. Nas aulas serão resolvidos exercícios práticos e, sempre que possível, com recurso ao software R ou outro similar. Os estudantes são incentivados a resolver exercícios em casa como forma de consolidar o que lhe foi ensinado nas aulas.