Bioestatística

10 ECTS / Anual / Português

Objetivos de aprendizagem (conhecimentos, aptidões e competências a desenvolver pelos estudantes):

Desenvolvimento de capacidade autónoma de aplicação de estatística e ferramentas de análise de dados, com particular enfoque no contexto biomédico.

Pretende-se, com esta UC, assegurar a independência dos alunos em âmbitos de investigação científica, em termos de: i) formulação hipóteses e perguntas científicas de forma estatisticamente coerente e consequente; ii) desenho dos estudos necessários para obter as respostas respetivas; iii) execução desses estudos, sabendo tratar e analisar os dados em níveis progressivamente mais profundos; iv) compreensão das limitações das ferramentas utilizadas, tendo a capacidade crítica para analisar os dados de diversas perspetivas; v) capacidade de análise dos resultados e extração de conclusões estatisticamente relevantes e válidas; e vi) conhecimento de escrita científica de métodos e resultados estatísticos, bem como a sua compreensão e análise

Conteúdos programáticos:

Módulo 1: Estatística descritiva e análise exploratória de dados

  • Análise qualitativa e pensamento científico;
  • Variáveis e perguntas científicas;
  • Amostragem;
  • Visualização de dados;
  • Distribuições básicas;
  • Parâmetros e estimação; 
  • Análise exploratória de dados;
  • Introdução ao SPSS.

Módulo 2: Estatística inferencial I

  • Efeitos e erros;
  • Intervalos de confiança;
  • Testes de hipóteses;
  • Testes de normalidade;
  • Testes paramétricos vs não-paramétricos;
  • Análise de risco;
  • Testes de diagnóstico e curvas ROC;
  • Aplicação em SPSS.

Módulo 3: Estatística inferencial II -Dependência e covariância;

  • Regressão linear;
  • Regressão logística;
  • Análise de sobrevivência (Kaplan-Meier e Cox);
  • ANOVA;
  • ANCOVA;
  • GLM;
  • Aplicação em SPSS.

Módulo 4: Análise de dados

  • Tratamento de dados;
  • Redução de espaço paramétrico;
  • Medidas de distância;
  • Classificação de dados - supervisionada e não supervisionada;
  • Algoritmos Bayesianos;
  • Aplicações clínicas;
  • Introdução ao R.