Tratamento de Dados

Conhecimentos de Base Recomendados

Análise Matemática I.

Métodos de Ensino

A metodologia de ensino é baseada numa combinação de aulas convencionais onde os temas são motivados e introduzidos, com apoio a diapositivos, software e ilustrações (aulas teóricas) e aulas demonstrativas dos conceitos e da sua implementação computacional (aulas práticas). No decurso das aulas, os alunos consolidam os conhecimentos com mini-projetos realizados individualmente ou em grupo onde as ferramentas são aplicadas autonomamente sob supervisão do docente. As aulas tutoriais visam garantir o apoio necessário para suportar o esforço dos alunos na realização dos referidos projetos.

Resultados de Aprendizagem

Esta unidade curricular visa a aquisição de competências básicas de análise exploratória de dados, modelação da variabilidade e sua expressão de uma forma consistente e rigorosa. Trata-se portanto de uma introdução ao universo dos dados, apresentando-se metodologias para os visualizar e descrever sumariamente, para assim extrair os principais padrões de variabilidade. De seguida, estes padrões são abstraídos em modelos matemáticos que podem descrever o seu comportamento, modelos estes que servem de base para a concretização de outras tarefas de nível mais elevado (modelos probabilísticos e de regressão linear simples). Abordam-se ainda metodologias para quantificar rigorosamente a qualidade dos dados, mediante a expressão da sua incerteza e da forma como esta se propaga em expressões matemáticas.

Estágio(s)

Não

Programa

1. Análise exploratória de dados
a. Gráficos, tabelas e estatísticas
b. Ferramentas computacionais (por exemplo: folhas de cálculo; software de análise estatística; plataformas avançadas de cálculo)
2. Principais distribuições de probabilidade
a. Distribuições contínuas
b. Distribuições discretas
3. Tomar decisões em contextos de incerteza/variabilidade
a. Testes de hipóteses para médias populacionais
b. Testes de hipóteses de qualidade de ajuste
4.  Expressão da incerteza de medições.

Docente(s) responsável(eis)

Marco Paulo Seabra dos Reis

Métodos de Avaliação

Avaliação
Resolução de problemas: 20.0%
Projecto: 30.0%
Exame: 50.0%

Bibliografia

Reis, M. S. Estatística Para a Melhoria de Processos – A Perspectiva Seis Sigma. Coimbra: Imprensa da Universidade de Coimbra, 2016.

Montgomery, D. C.,  Runger, G. C. Applied Statistics and Probability for Engineers. 6th ed. New York: Wiley, 2014.

Vining, G.,  Kowalski, S. M. Statistical Methods for Engineers. 3rd ed. Duxbury: Thomson, 2010.

JCGM. Evaluation of measurement data - Guide to the expression of uncertainty in measurement (JCGM 100:2008, GUM 1995 with minor corrections) Paris: JCGM, 2008.