Estatística Aplicada aos Sistemas de Informação

As aulas são, de acordo com o que está determinado no plano curricular, teórico-práticas, planeadas e preparadas de acordo com as
metodologias ativas, para terem um envolvimento ativo de todos os estudantes em vários momentos ou na totalidade da aula.
Na parte teórica, de introdução de conceitos, resultados fundamentais e métodos, será usado, tendencialmente, o método expositivo
intercalado com tarefas que suscitem uma participação ativa de todos os estudantes. Estas tarefas incluem a colocação de questões aos e
pelos estudantes, de forma oral e também com a proposta de debate/discussão em pequenos grupos sobre algum aspeto/tópico exposto.
A parte prática será destinada ao desenvolvimento pleno das competências elencadas, através da resolução de problemas, com a
utilização de software, sob orientação do docente, incentivando-se o trabalho autónomo ou em pequenos grupos. Far-se-á prevalecer uma
forte interação entre a teoria e a prática, dando, tanto quanto possível, um papel central à visualização e ao tratamento de situações
concretas e reais.

A Estatística é uma ciência de reconhecida importância, com aplicações em diversos domínios científicos, inclusivamente na área dos
sistemas de informação. Deste modo, esta unidade curricular tem por objetivo apresentar um conjunto de técnicas estatísticas de
tratamento, análise e interpretação de dados no contexto dos sistemas de informação, com recurso a software estatístico.
Definem-se, assim, os seguintes objetivos de aprendizagem:
1. planear as fases do método estatístico, mais concretamente identificar o problema, tratar os dados e identificar as técnicas estatísticas
mais adequadas tendo em conta os objetivos definidos;
2. realizar as análises estatísticas, através de software, retirando a informação pertinente e essencial do output;
3. interpretar os resultados da análise estatística, identificando até que ponto os mesmos permitem responder/clarificar os objetivos
estabelecidos.

1. Notas de Estatística
1.1 Estatística e aprendizagem computacional – Machine Learning
1.2 Técnicas de estatística para análise descritiva dos dados
1.3 Testes de hipóteses
2. Estatística Multivariada
2.1 Análise fatorial
2.2 Análise de clusters
3. Modelos Econométricos
3.1 Modelos de regressão
3.2 Extensões do modelo de regressão

NAO