Estatística

Código:

114

Sigla:

114

Ocorrência: 2011/2012 - 2S

Ativa?	Sim
Curso/CE Responsável:	Ciências do Desporto

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
LCD	344	Licenciatura em Ciências do Desporto (2011/2012)	1	-	5	45	135

Língua de trabalho

Português

Objetivos

Introdução

Ao contrário do passado, a disciplina viu reduzida a sua carga horária sobretudo das aulas teóricas. Neste sentido, houve que efectuar algumas modificações ao programa anterior, sobretudo na redução de matérias.

Não obstante este problema, foi intenção do responsável pela disciplina a manutenção dos seus eixos principais que percorrem os domínios mais relevantes da Estatística Descritiva e Inferencial na formação esperada para os alunos do 1º ciclo.

O número estimado de aulas “teóricas” será de aproximadamente 14 (15 de Fevereiro a 04 de Junho). Os grandes propósitos e o programa das aulas “teóricas” serão descritos mais adiante. A complementaridade associada às aulas práticas, seus alcances e programa de exercícios será apresentada pelos respectivos professores.



Objectivos da disciplina (situada no plano das competências que os alunos devem possuir)

1. Entender e integrar a importância da Estatística na investigação realizada nas Ciências do Desporto.
2. Saber formular questões de natureza substantiva e traduzi-las em termos Estatísticos.
3. Saber calcular e interpretar dados de diferentes naturezas (univariados e bivariados) a partir de procedimentos simples da Estatística Descritiva.
4. Saber formular hipóteses em termos Estatísticos, testa-las e interpretar adequadamente os resultados.
5. Manusear, com relativa autonomia, os programas Excel e SPSS, conhecer os comandos fundamentais de análise e interpretar adequadamente os outputs.
6. Saber extrair informação importante dos outputs dos programas Excel e SPSS e dos cálculos manuais acerca dos diferentes conteúdos ministrados nas aulas, tentando integrá-los num texto de natureza científica.

Programa

1. Apresentação da disciplina, objectivos, estrutura das aulas, processo de avaliação e material de apoio. Apresentação, interpretação e significado dos diferentes tópicos da matéria. Escalas de medida e procedimentos estatísticos adequados.Séries de frequências simples. Frequência absoluta, relativa e acumulada. Formas de representação gráficas. Resolução numérica e gráfica no SPSS.

2. Séries agrupadas em classes. Frequência absoluta, relativa e acumulada. Formas de representação gráficas. Formato das distribuições relativamente à normal. Descrição numérica dos dados. Medidas de tendência central: média, mediana e moda. O problema da escolha da medida de tendência central.

3. Descrição numérica dos dados. Medidas de dispersão: amplitude total, variância e desvio-padrão. Conceito de soma de quadrados. Interpretação do desvio-padrão e noção de magnitude de efeito. Medidas de ordem: quartis e percentis. O diagrama de extremos e quartis (caixa-de-bigodes). Importância e interpretação. Cálculo de quartis, decis e percentis, bem como sua interpretação.

4. A distribuição normal. Introdução, breve percurso histórico e sua importância. Características da distribuição normal. A normal reduzida e o conceito de valores padronizados: scores z e t. Aplicações ao estudo de perfis, e resolução de problemas.

5. A noção de correlação linear simples. Representação gráfica de duas variáveis. A noção de covariância e sua interpretação. Processo de cálculo da correlação linear simples (r) e sua interpretação. Pressupostos e cuidado interpretativo de r. Introdução à ideia de regressão linear simples. Interpretação dos coeficientes da equação de regressão. O problema da previsão e a sua precisão (erro-padrão de estimativa). Regressão e soma de quadrados (interpretação de r2).

6. Introdução ao problema das distribuições amostrais. O modelo da amostragem aleatória. Distribuição amostral das médias e o teorema do limite central. Uso da estatística z e cálculo de probabilidades de ocorrência de médias amostrais. Tipos de amostragem e a importância da sua dimensão.

7. Introdução ao problema dos testes de hipóteses estatísticas. Hipótese nula e alternativa. O teste estatístico z, o conceito de valor de prova (p) e de nível de significância (). Significado estatístico e importância do resultado. Exemplos práticos e uso do EXCEL e do SPSS.

8. O problema do desconhecimento de 2. O teste t e sua distribuição teórica. Conceito de graus de liberdade. Testes unilaterais e bilaterais. Construção de intervalos de confiança para . Exemplos práticos e resolução de problemas no SPSS.

9. Introdução ao assunto da diferença de médias. Teste de hipóteses e distribuição amostral da diferença de médias. Processos de cálculo da estatística t e significado dos resultados. Interpretação substantiva com base no 2 e magnitude de efeito. Exemplos práticos e uso do EXCEL e do SPSS.

10. Introdução ao assunto da média das diferenças. Teste de hipóteses e distribuição amostral da média das diferenças. Processos de cálculo da estatística t e significado dos resultados. Interpretação substantiva a partir da % de ALT. Exemplos práticos e uso do EXCEL e do SPSS.

11. Introdução ao teste de hipóteses para a diferença de 3 ou mais médias. O exemplo da ANOVA I. Teste F e seu significado. Testes a posteriori (post hoc). O teste HSD de Tukey. Exemplos práticos e interpretação de resultados. Uso do SPSS.

12. Introdução ao problema do controlo da qualidade da informação. Fiabilidade absoluta e relativa. Delineamentos de pesquisa para fiabilidade normativa e criterial. Correlação intraclasse e coeficiente Kappa. Resolução de problemas no SPSS a partir de exemplos concretos.

13. Introdução às estatísticas não paramétricas a partir de exemplos concretos. Tabelas de frequências e o teste de Qui-quadrado. Os testes de Mann-whitney e de Wilcoxon. Resolução de problemas no SPSS.

Bibliografia Obrigatória

Vincent William J.; Statistics in kinesiology. ISBN: 0-87322-699-2
Pestana MH, Gageiro JN; Análise de Dados para Ciências Sociais. A Complementaridade do SPSS
Minimum EW, Clarke RC, Coladarci T; Elements of Statistical Reasoning

Métodos de ensino e atividades de aprendizagem

Método de ensino

Recorreremos, essencialmente às estratégias seguintes: (1) as aulas “teóricas” apresentarão a essência de cada assunto a que se associará a resolução de problemas (resolvidos “à mão” e em no software de análise de dados SPSS); (2) as aulas práticas retomarão aspectos nucleares de cada assunto “teórico” seguidas da resolução de problemas “à mão”, e nos softwares EXCEL e SPSS; (3) cada aluno deverá apresentar, em cada uma das aulas, a solução de um problema, esperando que exponha todo o seu raciocínio e processo de cálculo à turma, a que se juntará uma resolução efectuada no EXCEL ou no SPSS.
O grande propósito desta abordagem tripartida é desenvolver autonomia nos alunos na resolução de problemas a que se adiciona a sua exposição oral.

Tipo de avaliação

Avaliação por exame final

Obtenção de frequência

Avaliação

A avaliação será efectuada em diferentes etapas. Em primeiro lugar é esperado que os alunos estejam presentes em 75% das aulas teóricas e 75% das aulas práticas. Em segundo lugar, é esperado que os alunos resolvam os problemas sugeridos em cada aula “teórica” e os apresentem na aula “prática” seguinte. O não cumprimento desta tarefa implica uma nota negativa na avaliação contínua. No término do semestre será efectuado o exame final. Neste, é esperado que cada aluno tenha uma nota superior ou igual a 9.5 valores.
A melhoria de nota decorre do cumprimento da legislação relativa à avaliação. Qualquer aluno que pretenda melhorar a sua nota deve contar com o apoio dos docentes no sentido de optimizar os seus conhecimentos, sobretudo na redução das suas insuficiências em matérias onde tem mais dificuldade de entendimento e resolução de problemas.