ISLA IPGT 620

Probabilities and Statistics

• ApresentaçãoPresentation

  The course unit provides the quantitative foundation to design, develop, and optimize AI applications, enabling students to organize and visualize data, compute and interpret descriptive statistics, model relationships (correlation and regression), and support decision-making under uncertainty (probability, Bayes’ theorem, and combinatorics). It is foundational to the AI, Machine Learning I/II, Data Science, and Project/Internship units, strengthening the competencies required for ML analyst/programmer and data analyst/manager roles.
• ProgramaProgramme

  CP1: Introduction Population vs. sample; sampling; statistical unit; data/variables; scales. CP2: Frequency tables and charts (univariate) Absolute/relative/cumulative distributions; bar charts, pie charts, histogram. CP3: Contingency tables and charts (bivariate) Two-way organization; scatter plot. CP4: Measures of location Mean, median, mode, quartiles/percentiles. CP5: Measures of dispersion Range, IQR, variance, SD, CV. CP6: Shape Skewness, kurtosis. CP7: Covariance and correlation (r) Definition, computation, and interpretation of the correlation coefficient. CP8: Simple linear regression (OLS) Computation of the fitted regression line, interpretation of parameters, and prediction. CP9: Probability and combinatorics Definitions and terminology; definitions of probability (classical, frequentist, and subjective approaches). CP10: Software (Jamovi/Excel) Import/clean; tables/charts; measures; boxplot/outliers; correlation and regression; reporting.
• ObjectivosObjectives

  OA1: Understand the fundamentals of Statistics and Probability Theory. OA2: Organize, describe, and visualize data rigorously. OA3: Compute and interpret descriptive measures and measures of shape. OA4: Model linear relationships (simple regression) and interpret coefficients. OA5: Apply probability rules and axioms—including Bayes’ theorem and combinatorics—to simple problems. OA6: Use software (Jamovi/Excel) for analysis and reporting.
• BibliografiaBibliography

  Marôco, J. (2021). Análise Estatística com o SPSS Statistics (8.ª ed.). ReportNumber. ISBN: 9789899676374 Marôco, J. P. (2024). Fundamentos de estatística: Com aplicações às ciências da vida, sociais e humanas. ReportNumber. ISBN: 978 989 967 6381 Pestana, M. H., & Gageiro, J. N. (2014). Análise de Dados para Ciências Sociais: A complementaridade do SPSS (6ª ed.). Edições Sílabo. ISBN: 978-972-618-775-2 Pestana, M. H., & Gageiro, J. N. (2005). Descobrindo a Regressão com a Complementaridade do SPSS (1ª ed.). Edições Sílabo. ISBN: 972-618-394-4 Reis, E. (2008). Estatística descritiva (7ª ed.). Edições Sílabo. ISBN:978-972-618-476-8  
• MetodologiaMethodology

  Theoretical–practical sessions with guided problem solving. Hands-on lab sessions using Jamovi/Excel. Case studies applied to AI/Data Science (e.g., Netflix/IoT datasets). Formative feedback via short quizzes and in-class discussion. Use of the flipped classroom methodology.
• LínguaLanguage

  Português
• TipoType

  Semestral
• ECTS

  6
• NaturezaNature

  Mandatory
• EstágioInternship

  Não
• AvaliaçãoEvaluation

  Descrição dos instrumentos de avaliação (individuais e de grupo) ¿ testes, trabalhos práticos, relatórios, projetos... respetivas datas de entrega/apresentação... e ponderação na nota final.

  Exemplo:

  Descrição	Data limite	Ponderação
  Teste 1 de avaliação distribuída	06-11-2025	50%
  Teste 2 de avaliação distribuída	08-01-2026	50%

   

  Adicionalmente poderão ser incluídas informações gerais, como por exemplo, referência ao tipo de acompanhamento a prestar ao estudante na realização dos trabalhos; referências bibliográficas e websites úteis; indicações para a redação de trabalho escrito...