2025
Estatística Aplicada à Atividade Física
Nome: Estatística Aplicada à Atividade Física
Cód.: MAT14972L
6 ECTS
Duração: 15 semanas/156 horas
Área Científica:
Matemática
Língua(s) de lecionação: Português
Língua(s) de apoio tutorial: Português
Objetivos de Desenvolvimento Sustentável
Objetivos de Aprendizagem
Com esta unidade curricular pretende-se que os estudantes adquiram conhecimentos de Estatística Descritiva e de Inferência Estatística adequados à análise de dados relacionados com a atividade física e com o desporto. Pretende-se, ainda, sensibilizar os estudantes para o interesse da utilização destas matérias em trabalhos de investigação. No final deverão ser capazes de:
a) descrever amostras a partir da utilização das ferramentas apreendidas no âmbito da análise exploratória de dados;
b) solucionar problemas, num contexto de incerteza, utilizando os conceitos e metodologias da teoria das probabilidades;
c) utilizar a Inferência Estatística na estimação de parâmetros e na seleção do teste de hipótese mais adequado a cada situação;
d) saber aplicar, interpretar e validar os pressupostos de um modelo a regressão linear;
e) proceder à análise estatística interpretando, de forma crítica, os resultados obtidos com o recurso a meios informáticos e recursos digitais.
a) descrever amostras a partir da utilização das ferramentas apreendidas no âmbito da análise exploratória de dados;
b) solucionar problemas, num contexto de incerteza, utilizando os conceitos e metodologias da teoria das probabilidades;
c) utilizar a Inferência Estatística na estimação de parâmetros e na seleção do teste de hipótese mais adequado a cada situação;
d) saber aplicar, interpretar e validar os pressupostos de um modelo a regressão linear;
e) proceder à análise estatística interpretando, de forma crítica, os resultados obtidos com o recurso a meios informáticos e recursos digitais.
Conteúdos Programáticos
Análise Exploratória de Dados
Introdução às Probabilidades
Variáveis aleatórias e principais distribuições de probabilidade
Amostragem e distribuições amostrais
Estimação Pontual e Intervalos de confiança
Dimensão da amostra e tamanho do efeito
Testes de hipóteses paramétricos e não paramétricos
Análise de variância simples (um fator)
Regressão linear simples
Componente informática:
Os conteúdos programáticos serão abordados com recurso ao uso de software informático acessível e de fácil utilização para os alunos. A Universidade de Évora dispõe de licença de Campus do SPSS, mas será também encorajada a utilização de software livre como o R-project, Jamovi e/ou JASP. As aprendizagens poderão também ser complementadas com o uso das seguintes plataformas digitais: https://www.estimationstats.com/#/ e https://thenewstatistics.com/itns/esci/
Introdução às Probabilidades
Variáveis aleatórias e principais distribuições de probabilidade
Amostragem e distribuições amostrais
Estimação Pontual e Intervalos de confiança
Dimensão da amostra e tamanho do efeito
Testes de hipóteses paramétricos e não paramétricos
Análise de variância simples (um fator)
Regressão linear simples
Componente informática:
Os conteúdos programáticos serão abordados com recurso ao uso de software informático acessível e de fácil utilização para os alunos. A Universidade de Évora dispõe de licença de Campus do SPSS, mas será também encorajada a utilização de software livre como o R-project, Jamovi e/ou JASP. As aprendizagens poderão também ser complementadas com o uso das seguintes plataformas digitais: https://www.estimationstats.com/#/ e https://thenewstatistics.com/itns/esci/
Métodos de Ensino
Ensino centrado na aprendizagem do estudante para o desenvolvimento de competências disciplinares e transversais motivadas pelo diálogo, a interação e colaboração entre pares. Será aprimorada a discussão e resolução de problemas propostos como trabalhos para casa e em sala de aula. No início do semestre é preparada uma base de dados baseada em informação disponibilizada pelos próprios estudantes para análises estatísticas no decorrer das aulas. Em cada temática dos conteúdos programáticos serão apresentados os conceitos seguidos de exemplos práticos relacionados com a atividade física e desportiva. O material de apoio estará sempre disponível no Moodle, a informação sobre a UC, os diapositivos das aulas e as folhas de exercícios para as aulas teórico-práticas e prático-laboratoriais. Nas aulas prático-laboratoriais os estudantes terão oportunidade de utilizar software estatístico para a resolução de problemas relacionados com a base de dados e a aplicabilidade dos métodos apreendidos.
Avaliação
Durante o semestre existem várias atividades de grupo para momentos de avaliação formativa, onde se pretende reforçar os conceitos aprendidos em sala de aulas e o trabalho autónomo individualizado ou em grupo. Para ser avaliado no regime de avaliação contínua deverá assistir a, pelo menos, 75% das aulas até a data de cada avaliação. Ressalva-se a situação dos estudantes em condições especiais segundo o RAUE. A desistência, falta, ou a obtenção de uma classificação inferior a 7 valores nalguma das frequências implica a opção automática pelo regime de avaliação por Exame na época de Recurso. A nota final, para os estudantes que obtenham no mínimo 7 valores, em cada uma das frequências, será obtida segundo a seguinte ponderação: NF=0,45*F1+0,55*F2, onde: F1 = Nota na 1ª frequência (45%). F2 = Nota na 2ª frequência (55%). Se o resultado de NF for maior ou igual do que 9,5, ainda que com uma nota inferior a 7 valores na 2ª frequência, a classificação da época normal ficará em 9 valores.
Bibliografia
Afonso A., Nunes C. (2019). Estatística e Probabilidades: aplicações e soluções em SPSS, Escolar Editora. http://dspace.uevora.pt/rdpc/bitstream/10174/25959/3/ProbabilidadesEstatistica2019.pdf
Cumming, G. (2011). Understanding The New Statistics: Effect Sizes, Confidence Intervals, and Meta-Analysis (1st ed.). Routledge. https://doi.org/10.4324/9780203807002
Heuman, C. et al. (2022) Introduction to Statistics and Data Analysis, Springer Nature.
Ho, J., Tumkaya, T., Aryal, S., Choi, H., & Claridge-Chang, A. (2019). Moving beyond P values: data analysis with estimation graphics. Nature methods, 16(7), 565566. https://doi.org/10.1038/s41592-019-0470-3
Maroco, J. (2021) Análise Estatística - Com Utilização do SPSS, 8ª Ed., Edições Sílabo.
Loftus, S. C. (2021) Basic Statistics with R, Academic Press.
Thulin, M. (2021)- Modern Statistics with R. Eos Chasma Press.
Cumming, G. (2011). Understanding The New Statistics: Effect Sizes, Confidence Intervals, and Meta-Analysis (1st ed.). Routledge. https://doi.org/10.4324/9780203807002
Heuman, C. et al. (2022) Introduction to Statistics and Data Analysis, Springer Nature.
Ho, J., Tumkaya, T., Aryal, S., Choi, H., & Claridge-Chang, A. (2019). Moving beyond P values: data analysis with estimation graphics. Nature methods, 16(7), 565566. https://doi.org/10.1038/s41592-019-0470-3
Maroco, J. (2021) Análise Estatística - Com Utilização do SPSS, 8ª Ed., Edições Sílabo.
Loftus, S. C. (2021) Basic Statistics with R, Academic Press.
Thulin, M. (2021)- Modern Statistics with R. Eos Chasma Press.