2024
Bioestatística
Nome: Bioestatística
Cód.: MAT12718D
6 ECTS
Duração: 15 semanas/156 horas
Área Científica:
Matemática
Língua(s) de lecionação: Português
Língua(s) de apoio tutorial: Português
Apresentação
Fornecer vários modelos estatísticos usados no delineamento e análise de experiências, os seus pressupostos e interpretação crítica e também algumas abordagens de estatística multivariada.
Objetivos de Desenvolvimento Sustentável
Objetivos de Aprendizagem
No final desta unidade curricular o estudante terá adquirido conhecimentos, aptidões e competências que
lhe permitam:
- Compreender os princípios e conceitos fundamentais do delineamento experimental.
- Compreender a metodologia estatística descrita na literatura relacionada com a sua área de investigação.
- Conhecer e saber aplicar algumas ferramentas estatísticas essenciais na análise de dados da sua área de
investigação.
- Ser capaz de delinear uma experiência e de selecionar e organizar a informação.
- Ser capaz de selecionar o modelo estatístico mais adequado.
- Ser capaz de validar os pressupostos das diferentes abordagens estatísticas.
- Ser capaz de aplicar alternativas não paramétricas quando necessário.
- Ser capaz de apender autonomamente e de se adaptar a novas situações.
- Ser capaz de validar e interpretar de uma forma crítica os resultados obtidos com o software estatístico
R.
lhe permitam:
- Compreender os princípios e conceitos fundamentais do delineamento experimental.
- Compreender a metodologia estatística descrita na literatura relacionada com a sua área de investigação.
- Conhecer e saber aplicar algumas ferramentas estatísticas essenciais na análise de dados da sua área de
investigação.
- Ser capaz de delinear uma experiência e de selecionar e organizar a informação.
- Ser capaz de selecionar o modelo estatístico mais adequado.
- Ser capaz de validar os pressupostos das diferentes abordagens estatísticas.
- Ser capaz de aplicar alternativas não paramétricas quando necessário.
- Ser capaz de apender autonomamente e de se adaptar a novas situações.
- Ser capaz de validar e interpretar de uma forma crítica os resultados obtidos com o software estatístico
R.
Conteúdos Programáticos
Delineamento de experiências (amostragem, pressupostos estatísticos e biológicos) Modelos de análise
de variância (ortogonais, hierárquicos e medidas repetidas).
Modelos de regressão linear e não linear. Correlação. Associação.
Análise de covariância.
Métodos não paramétricos mais usuais.
Controlo estatístico do processo.
Métodos de estatística multivariada (componentes principais, factorial e clusters).
de variância (ortogonais, hierárquicos e medidas repetidas).
Modelos de regressão linear e não linear. Correlação. Associação.
Análise de covariância.
Métodos não paramétricos mais usuais.
Controlo estatístico do processo.
Métodos de estatística multivariada (componentes principais, factorial e clusters).
Métodos de Ensino
Aulas de orientação tutorial, recorrendo a suporte de ferramentas de e-learning e utilização de
diapositivos, ao software R com interpretação crítica dos outputs passo a passo e com síntese escrita das
principais conclusões.
Motivar o trabalho contínuo do aluno. Introdução dos conceitos teóricos recorrendo a exemplos de
aplicação direta na área da ciência dos alimentos, procurando mostrar a relevância dos conteúdos
programáticos. Exercícios direcionados, focando a resolução de problemas atuais e reais, com o objectivo
de desenvolver o gosto e interesse pela unidade curricular e mostrar a sua utilidade.
diapositivos, ao software R com interpretação crítica dos outputs passo a passo e com síntese escrita das
principais conclusões.
Motivar o trabalho contínuo do aluno. Introdução dos conceitos teóricos recorrendo a exemplos de
aplicação direta na área da ciência dos alimentos, procurando mostrar a relevância dos conteúdos
programáticos. Exercícios direcionados, focando a resolução de problemas atuais e reais, com o objectivo
de desenvolver o gosto e interesse pela unidade curricular e mostrar a sua utilidade.
Bibliografia
Bower, J. A. (2013). Statistical Methods for Food Science, 2nd Edition, Wiley Blackwell.
Granato, D.; Ares, A. (2014). Mathematical and Statistical Methods in Food Science and Technology, John
Wiley & Sons.
Logan, M. (2010). Biostatisitcal Design and Analysis Using R: a practical guide, John wiley.
Montgomery, D. C. (2012). Design and Analysis of Experiments, 8th Ed., John Wiley.
Kleinbaun, D.; Kupper, L.; Nizam, A.; Muller, K. (2007). Applied Regression Analysis and Multivariate
Methods, 4th Ed., Duxbury Press.
Shahbaba, B. (2012). Biostatistics with R, Springer New York.
Zar, J. H. (2010). Biostatistical Analysis, 5th Ed., Pearson.
Granato, D.; Ares, A. (2014). Mathematical and Statistical Methods in Food Science and Technology, John
Wiley & Sons.
Logan, M. (2010). Biostatisitcal Design and Analysis Using R: a practical guide, John wiley.
Montgomery, D. C. (2012). Design and Analysis of Experiments, 8th Ed., John Wiley.
Kleinbaun, D.; Kupper, L.; Nizam, A.; Muller, K. (2007). Applied Regression Analysis and Multivariate
Methods, 4th Ed., Duxbury Press.
Shahbaba, B. (2012). Biostatistics with R, Springer New York.
Zar, J. H. (2010). Biostatistical Analysis, 5th Ed., Pearson.
Equipa Docente (2023/2024 )
- Paulo de Jesus Infante dos Santos [responsável]
