Objetivos conceptuais (OC)
1. Dominar conceitos relativos à análise exploratória de dados
2. Dominar as bases da teoria da amostragem
3. Dominar os testes de hipóteses
4. Alargar os conceitos de correlação e regressão aos modelos lineares generalizados (GLM)
5. Reconhecer métodos de classificação e de ordenação
6. Compreender a utilização de um questionário
7. Enquadrar o conceito de fiabilidade
8. Distinguir taxas de avaria constantes ou variáveis
9. Identificar curvas de vida típicas
Competências
Gerais (CG)
1. Trabalhar em equipa
2. Consultar bibliografia/elaborar sínteses
3. Redigir um relatório técnico
Específicas (CE)
1. Desenvolver o raciocínio estatístico
2. Sugerir tratamentos de dados
3. Calcular o número de amostras
4. Aplicar testes de hipóteses
5. Calcular correlações, regressões e GLM
6. Usar métodos de classificação/ordenação
7. Analisar a coesão das escalas de um questionário
8. Simular variáveis aleatórias em fiabilidade
9. Calcular e discutir fiabilidade e manutenção
1. Análise Exploratória de Dados: Tipo de dados. Tratamento dos dados. Distribuições de frequências. Medidas de localização, de dispersão de assimetria e de achatamento. Identificação de outliers. Representação gráfica de dados.
2. Estimação pontual e intervalar: Estimação pontual. Intervalos de confiança para o valor médio de uma população normal. Intervalos de confiança para a diferença entre valores médios de populações normais independentes.
3. Testes de hipóteses paramétricos e não paramétricos: Conceitos básicos. Testes de hipóteses para a média de uma população normal. Testes de hipóteses para uma proporção. Testes de hipóteses para a igualdade das médias de duas ou k (k>2) populações normais independentes (ANOVA). Testes de hipóteses para a igualdade de duas proporções. Teste de Wilcoxon-Mann-Whitney e teste de Kruskall-Wallis. Testes de ajustamento.
4. Regressão linear simples e múltipla: Apresentação e interpretação do modelo. Estimação dos parâmetros do modelo. Inferência sobre os parâmetros do modelo. Avaliação da qualidade do modelo de regressão.
5. Análise em Componentes Principais: Determinação das Componentes principais. Decomposição da variância total. Rotação e interpretação das componentes principais.
6. Análise de Clusters: Conceito de proximidade e medidas de semelhança e dissemelhança. Análise Classificatória Hierárquica de indivíduos e variáveis: Critérios de agregação, dendrograma e nível de corte. Análise Classificatória não hierárquica: Método das k-médias. Validação de estruturas classificatórias.
7. Análise Discriminante Linear: Objetivos e critérios. Os eixos discriminantes e as suas propriedades. Classificação de novas observações.
8. Amostragem: Introdução à amostragem e investigação por inquérito. Planeamento e desenho de questionários. Métodos de amostragem empíricos ou não probabilísticos. Métodos de amostragem probabilísticos. Dimensão da amostra.
9. Questionários: Regras gerais para a conceção de um questionário. Características psicométricas de instrumentos de medida (análise da validade e da fiabilidade).
10. Fiabilidade: Conceitos fundamentais relativos à Fiabilidade. Qualidade. Controlo estatístico de processos: gráficos de controlo por variáveis e atributos. Controlo do processo e capacidade. Distribuições teóricas mais importantes em Fiabilidade. Métodos de modelação: Diagrama de bloco e sistemas reparáveis. Fiabilidade de sistemas. Análise e prevenção da falha. Fiabilidade e Manutenção. Metodologias de Análise da Fiabilidade Humana.
Esta unidade curricular está organizada em dois módulos, um de Estatística e outro de Fiabilidade. Os tópicos abordados em cada módulo são apresentados e explorados numa vertente mais aplicada . São apresentados exemplos e exercícios das áreas científicas predominantes do mestrado, que são resolvidos com o auxílio do SPSS (quando justificável).
Everitt, Brian S., Dunn, Graham (2001). Applied Multivariate Data Analysis. Edward Arnold: London, UK. ISBN:0340741228 (BibUAç 519.23 E94a).
Gotelli, N. J., A. M. Ellison (2004). A primer of Ecological Statistics. Sinauer Associates, Inc., Sunderland, 510 pp.
Heeringa, S. G., B. T. West, P. A. Berglund (2010). Applied survey data analysis. Chapman & Hall/CRC, Boca Raton,
Hill, M. M., A. Hill (2009). Investigação por questionário, 2ª ed. Edições Sílabo, Lisboa, 377 pp.
Johnson, Richard A., Wichern, Dean W. (2002). Applied Multivariate Statistical Analysis. Prentice Hall: Upper Saddle River. ISBN: 0-13-092553-5 (BibUAç EG 519.23 J65ap - 102963).
Lohr, S.L. (2009). Sampling: design and analysis, 2ª edição. Duxbury Press.
Marôco, João (2018). Análise Estatística com o SPSS Statistics, 7ª ed. ReportNumber.
Montgomery, D. C., Runger, G. C. (2003). Applied statistics and probability for engineers, 3ª ed. John Wiley.
Reis, Elizabeth (2001). Estatística Multivariada Aplicada. Sílabo: Lisboa, Portugal. ISBN: 972-618-247- 6 (BibUAç SD 519.23 R299e 102967E2).
Smith, David J. (2011). Reliability, maintainability and risk: practical methods for engineers, 8th ed. Elsevier, Amsterdam, 440 p.
Zuur A.F., E.N. Ieno, G.M. Smith (2007). Analysing ecological data. Springer, New York, 672 pp.
0200845
5
