AVISOS

Esta página web da disciplina de Estatística e Delineamento Experimental deverá ser consultada com regularidade. Será o canal privilegiado para a transmissão de informações (nestes Avisos) e a Secção 'Materiais de Apoio' dará acesso aos materiais (folhas de apontamentos, slides das aulas teóricas, enunciados e resoluções de exercícios das aulas práticas, scripts de comandos para os exercícios, etc.), à medida que fiquem disponíveis.


(01 Set 25) De acordo com o Calendário Escolar aprovado pelos órgãos de gestão do ISA, as aulas desta disciplina começam no dia 8 de setembro. Chama-se a atenção que todas as aulas, sejam Teóricas ou Práticas, começam (nos respetivos horários) a partir desse dia. Os alunos que queiram levar os seus computadores portáteis para as aulas práticas deverão proceder previamente à instalação do software estatístico R.


(15 Set 25)  

Atendimento a alunos

A partir de dia 15 de setembro e durante o período letivo do semestre (até dia 19 de dezembro), funcionam os seguintes horários de dúvidas: 

-Segunda-feira: Prof. Fernanda Valente, 17:00 – 18:30, online, https://videoconf-colibri.zoom.us/j/92119387986

- Terça-feira: Prof. Marta Mesquita, 16:30-18:00, online,  https://videoconf-colibri.zoom.us/j/98528358939

- Terça-feira: Prof. Elsa Gonçalves, 18:00 - 19:00 (presencial, gabinete na Secção de Matemática, no edifício Prof. Sertório do Monte Pereira) (partir de 24 de setembro)

Atenção: nos horários de atendimento online, e em caso de não comparência de qualquer aluno, o professor poderá fechar a sessão ao fim de meia hora. Caso pretenda entrar mais tarde, aconselha-se o envio dum email ao professor que assegura o atendimento.


 

INFORMAÇÕES

Docentes:

 

Pré-requisitos: conhecimentos em Matemática, Probabilidades e Estatística, ao nível dos lecionados nos primeiros ciclos do ISA. Em particular, considera-se conhecida a matéria da disciplina de Estatística.

 

Software: R and RStudio. Para instalar:

https://posit.co/download/rstudio-desktop/

e siga os passos 1 (Install R) and 2 (Install RStudio).

 

Duração: 14 semanas, sendo a carga letiva semanal de 4 horas, semanalmente repartidas por uma aula teórica de 1h30 e uma aula prática de 2h30. Esta UC tem 6 créditos ECTS, o que corresponde a 168 horas de trabalho.


Frequência e Método de Avaliação

A frequência à disciplina é obtida através da resolução de 2 exercícios práticos (classificação média mínima de 8 valores em 20). Estes exercícios são realizados e discutidos individualmente no software R, na presença do docente das aulas práticas, contando esta vertente para 15% da nota final. Um dos exercícios será efetuado durante as 2 semanas anteriores à pausa de 27 de outubro a 31 de outubro e o outro em dezembro, nas 2 semanas anteriores ao final das aulas do semestre.

A avaliação de conhecimentos faz-se ainda (i) por testes escritos, ou (ii) por exame final. O aproveitamento por testes (classificados para 20 valores) obtém-se com uma classificação média igual ou superior a 9,5 valores no conjunto dos dois testes a realizar, desde que em nenhum dos testes a classificação seja inferior a 8,0 valores.

A classificação final é obtida pela seguinte ponderação: 85% para testes escritos (ou exame final), que incluem a interpretação e discussão detalhada dos resultados de uma análise estatística conduzida para vários modelos lecionados na UC, e 15% para os exercícios práticos realizados no software R. A aprovação na UC obtém-se com uma classificação final igual ou superior a 9,5 valores.

O primeiro teste realiza-se na quarta-feira, dia 29 de outubro de 2025. O segundo teste realiza-se em simultâneo com a primeira chamada de exame. A não aprovação por testes não impede a comparência à segunda data de exame. Nas avaliações não são admitidas calculadoras gráficas, nem qualquer tipo de equipamento eletrónico.


Bibliografia

  • Textos teóricos e práticos redigidos pelos Docentes da Secção de Matemática e da UC disponibilizados na página web da disciplina e de acesso público.
  •  Kutner, M.H., Nachsteim, C.J., Neter, J., Li, W. (2005). Applied Linear Statistical Models, Irwin.
  • Draper, N.R, Smith, H. (1998). Applied Linear Regression, 3rd ed, John Wiley & Sons
  • Maindonald, J., Brown, W.J. (2003), Data Analysis and Graphics using R, Cambridge University Press. [BISA: U10-722]
  • Welham, S. J., Gezan, S. A., Clark, S. J., & Mead, A. (2015). Statistical methods in biology: design and analysis of experiments and regression, CRC press.
  • Hollander, M., Wolfe, D.A., Chicken, E. (2014). Nonparametric Statistical Methods, third edition. John Wiley & Sons, New York.

·         Torgo, L. (2006). http://cran.r-project.org/doc/contrib/Torgo-ProgrammingIntro.pdf. Introdução à Programação em R.

·         Zuur, A.F., Ieno, E.N., Smith, G.M. (2007). Analyzing Ecological Data. Springer New York, NY. https://link.springer.com/book/10.1007/978-0-387-45972-1