Você está na página 1de 31

01

Departamento de Cincias e Tecnologia | Seco de Matemtica


R. da Escola Politcnica, 147
1250-069 Lisboa

Coordenao do Curso
Prof. Doutor Pedro Serranho (Coordenador) | Pedro.Serranho@uab.pt
Prof. Doutora Catarina S. Nunes (Vice-coordenadora)| CatarinaS.Nunes@uab.pt

Secretariado do Curso
Dr. Teresa Ramos
Telf: + 351 30000 76 71
E-mail: memc_dcet@uab.pt

Internet: http://memc.dcet.uab.pt

Mais informaes: https://sitcon.uab.pt/Mensagens/form/1?categoria_id=30

Candidaturas online: http://candidaturas.uab.pt


1. Introduo

Bem-vindo ao curso de mestrado em Estatstica, Matemtica e Computao! Participar


neste curso ser um processo ativo, onde a aprendizagem individual e colaborativa
foi planeada de modo interdependente.

Este Guia constitui um kit informativo que lhe permitir esclarecer eventuais dvidas
sobre o que fazer, como fazer e, quando fazer, enquanto estudante online deste curso.
Por isso, leia-o com ateno. O objetivo deste Guia dar-lhe informao importante
sobre os objetivos e prticas do curso de mestrado em Estatstica, Matemtica e
Computao da Universidade Aberta.

2. A Criao do Curso de Mestrado

Sob proposta do Conselho Cientfico e ao abrigo dos Decretos-Leis ns 42/2005, de


02
22 de fevereiro e n. 74/2006, de 24 de maro, foi criado o curso de mestrado em
Estatstica, Matemtica e Computao (MEMC) na Universidade Aberta.

Foi homologado o Regulamento do Mestrado em Estatstica, Matemtica e


Computao (registo n. R/B-AD-475/2007) (Regulamento n.58/2009), publicado
em Dirio da Repblica, 2. srie, n. 19, de 28 de janeiro de 2009.

Este curso foi acreditado pela A3ES, correspondendo o processo ACEF/1314/12552,


publicada em 19/02/2015, e a alterao do plano de estudos, aprovada pelo Conselho
Cientfico da Universidade Aberta (Deliberao n. 228/CC/2014, em sesso de 24 de
setembro de 2014) e foi registada na DGES com n. R/A -Ef1112/2011/AL01, em
21/07/2015 e publicada em Dirio da Repblica, 2. srie, n. 156, de 12 de agosto de
2015 (Despacho n. 9025/2015).

O Regulamento geral da oferta educativa da Universidade Aberta atualmente em


vigor foi publicado em Dirio da Repblica, 2. srie, n. 41, de 27 de fevereiro de
2013.

3. OS Objetivos do Curso de Mestrado

O curso de mestrado em Estatstica, Matemtica e Computao orienta-se para a


formao especializada e para o desenvolvimento das competncias nos termos do
artigo 15. do Decreto-Lei n. 74/2006, de 24 de maro, bem como para as seguintes
competncias especficas, a saber, o aprofundamento de conhecimentos nas reas da
lgebra, Anlise Matemtica, Estatstica, Lgica e Mtodos Numricos, em particular,
nos seus aspectos computacionais, incluindo a demonstrao automtica de
teoremas, o tratamento avanado de dados estatsticos e a modelao matemtica.

Em termos mais especficos podem definir-se como objetivos do curso a obteno


das seguintes competncias:

Proporcionar as condies para que profissionais, investigadores e outros com


interesse nas reas referidas, possam aprofundar os seus conhecimentos
estatsticos, matemticos e computacionais e utiliz-los nas suas vidas
profissionais e/ou cientficas;

Fornecer uma slida formao em Estatstica, Matemtica e Computao com


forte componente das aplicaes de interesse s atividades profissionais da
maioria dos estudantes; 03

Utilizar mtodos e tcnicas apropriados resoluo de problemas reais nas


reas envolvidas neste mestrado.

4. OS DESTINATRIOS

O curso de mestrado em Estatstica, Matemtica e Computao destina-se a todos os


licenciados com interesse e responsabilidades nas reas da Estatstica, Matemtica
ou na Computao, nomeadamente:

Profissionais das reas da Estatstica, Matemtica, Engenharia, Economia,


Finanas, e Cincias Sociais, entre outros;

Profissionais das reas de consultadoria, seguros e setor bancrio;

Profissionais com funes em cargos pblicos;

Professores de matemtica do ensino bsico e secundrio;

Investigadores e docentes universitrios;

Jovens licenciados com perspetivas de carreira nesta rea;

Qualquer indivduo que pretenda alargar os seus conhecimentos nestas reas.


5. OS PR-REQUISITOS

Podem candidatar-se ao Mestrado em Estatstica, Matemtica e Computao:

Titulares do grau de licenciado, ou equivalente legal, em estatstica, matemtica,


informtica, engenharia, economia, ou reas afins, ou ainda em reas que, pela
sua natureza, tenham componentes nas matrias cientficas lecionadas no
mestrado

Titulares de um grau acadmico superior nas reas cientficas descritas no


primeiro ponto obtido no estrangeiro que haja sido conferido na sequncia de
um 1. ciclo de estudos organizado de acordo com os princpios do Processo de
Bolonha por um Estado aderente a este processo;

Titulares de um grau acadmico superior nas reas cientficas descritas no


primeiro ponto obtido no estrangeiro que seja reconhecido, pelo Conselho
Cientfico da UAb, como satisfazendo os objetivos do grau de licenciado; 04

Detentores de um currculo escolar, cientfico ou profissional nas reas


cientficas descritas no primeiro ponto que tenha sido reconhecido, pelo
Conselho Cientfico da UAb, como satisfazendo os objetivos e as capacidades
necessrias para realizao deste ciclo de estudos.

A frequncia do curso exige que os candidatos tenham acesso a computador com


ligao Internet, possuam conhecimentos suficientes de utilizao informtica e
competncia de leitura em ingls.

6. AS CANDIDATURAS

Os candidatos devem formalizar a sua candidatura online usando a ligao


http://candidaturas.uab.pt onde se encontram todas as informaes sobre a
documentao necessria e o formulrio com os campos para preenchimento.

Os candidatos sero seriados com base nas habilitaes acadmicas e experincia


profissional descritos no Curriculum Vitae.

Poder ser requerida a realizao de uma entrevista.

Os candidatos cuja licenciatura foi obtida fora do espao europeu devem incluir
no processo de candidatura um pedido de reconhecimento de habilitaes e
providenciar a documentao original ou cpias autenticadas, que comprovem
a verso digital desses documentos, no caso de serem admitidos frequncia do
mestrado.

O calendrio de candidaturas, inscries e matrculas o seguinte:


3 de maio a 30 de junho de 2016 (1 fase)
Candidaturas 23 de agosto a 2 de setembro de 2016
(no caso de haver 2 fase)
23 de agosto a 12 de setembro de 2016 (1 fase)
Inscries e matrculas
22 a 27 desetembro de 2016 (no caso de haver 2 fase)
Mdulo de Ambientao
3 a 14 de outubro de 2016
Online

Incio das Atividades Letivas 10 de outubro de 2016

O nmero mnimo de inscries no curso de mestrado em Estatstica, Matemtica e


Computao de 15 estudantes. O numerus clausus do Curso 40 estudantes.
05

7. AS PROPINAS

O montante das propinas para este curso de mestrado de 2500 Euros (distribuidas
segundo o Regulamento de propinas da Universidade Aberta), aos quais acrescem
taxas e emolumentos.

8. O DIPLOMA DO CURSO

O grau de Mestre em Estatstica, Matemtica e Computao, certificado por uma


carta magistral e pressupe a frequncia e aprovao da totalidade das unidades
curriculares que constituem o curso, a elaborao de uma dissertao original,
especialmente escrita para o efeito, sua discusso, defesa e aprovao em provas
pblicas.

9. A ORGANIZAO DO CURSO

O mestrado em Estatstica, Matemtica e Computao um curso de 2 ciclo


conducente a um diploma de Mestre.

Este curso de mestrado dividido em trs reas de especializao: Estatstica


Computacional; lgebra e Lgica Computacional; e Matemtica Aplicada e
Computacional. O Ramo de lgebra e Lgica Computacional no abre vagas na
presente edio.

Em todas as reas de especializao, o curso divide-se numa primeira parte curricular


correspondente ao curso de estudos ps-graduados em Estatstica, Matemtica e
Computao e, numa segunda parte, dedicada preparao, realizao e apresentao
e defesa de uma dissertao.

A componente curricular do curso de mestrado em Estatstica, Matemtica e


Computao desenvolve-se em 2 semestres, o que implica, no total, a creditao de
60 unidades de crdito ECTS.

A primeira parte do mestrado desenvolve-se durante 2 semestres sequenciais em


regime de ensino a distncia online. Cada semestre composto por 4 unidades
curriculares, o que totaliza 8 unidades curriculares.

Cada semestre desenvolve-se durante um perodo de 20 semanas, estando 5 06

semanas dedicadas a atividades de avaliao final. No so consideradas para os


efeitos desta contagem as duas semanas tradicionalmente reservadas a frias do
Natal e a semana reservada a frias da Pscoa.

1 SEMESTRE de 10/10/2016 a 27/02/2017

2 SEMESTRE de 06/03/2017 a 27/07/2017

O plano de estudos pode ser consultado no ponto 19 do corrente guia de curso.

Terminada a parte curricular com aprovao, o estudante iniciar o 2 ano para


preparao, elaborao, apresentao e defesa da dissertao.

At final de outubro de 2017, o estudante dever entregar no secretariado do mestrado


o plano de dissertao, a indicao do orientador e uma carta de aceitao deste que
ser apreciada pela coordenao do mestrado.

O curso equivale a 120 ECTS, correspondendo 60 ECTS parte curricular e 60 ECTS


preparao, realizao e apresentao da dissertao.

10. O FUNCIONAMENTO DO CURSO

A parte curricular do mestrado e as unidades curriculares que a integram funcionam


em regime de ensino a distncia, na modalidade de classe virtual (ensino online com
recurso a plataforma de e-learning).
O primeiro semestre antecipado por um mdulo inicial totalmente virtual
ambientao online com a durao de cerca de duas semanas, com o objetivo de
ambientar o estudante ao contexto virtual e s ferramentas de e-learning e permitir
ao mesmo a aquisio de competncias de comunicao online e de competncias
sociais necessrias construo de uma comunidade de aprendizagem virtual. Os
ex-alunos da Universidade Aberta que j tenham frequentado outros cursos podero
ficar isentos da frequncia deste mdulo.

Este mdulo de ambientao online decorre entre os dias 3 e 14 de outubro de


2016. Sero enviados aos estudantes indicaes sobre o acesso ao referido curso.

11. MODELO PEDAGGICO DO CURSO DE MESTRADO

O curso de mestrado em Estatstica, Matemtica e Computao possui um modelo


pedaggico prprio, especificamente concebido para o ensino virtual na Universidade 07
Aberta.

Este modelo tem os seguintes princpios:

Ensino centrado no estudante, o que significa que o estudante ativo e


responsvel pela construo do conhecimento;

Ensino baseado na flexibilidade de acesso aprendizagem (contedos,


atividades de aprendizagem, grupo de aprendizagem) de forma flexvel, sem
imperativos temporais ou de deslocao de acordo com a disponibilidade do
estudante. Este princpio concretiza-se na primazia da comunicao assncrona
o que permite a no-coincidncia de espao e no-coincidncia de tempo j que
a comunicao e a interao se processa medida que conveniente para o
estudante, possibilitando-lhe tempo para ler, processar a informao, reflectir
e, ento, dialogar ou interagir (responder).

Ensino baseado na interao diversificada quer entre estudante-professor,


estudante-estudante, quer ainda entre o estudante e os recursos de
aprendizagem sendo socialmente contextualizada.

Com base nestes princpios encontrar dois elementos vitais no seu processo de
aprendizagem:
A Classe virtual: O estudante integrar uma turma virtual onde tm acesso os
professores do curso e os restantes estudantes. As atividades de aprendizagem
ocorrem neste espao virtual e so realizadas online, com recurso a dispositivos
de comunicao. Deve ser entendida como um espao multi-funcional que agrega
uma srie de recursos, distribudos por diversos espaos de trabalho coletivos e
onde se processa a interao entre professor- estudante e estudante-estudante.
A comunicao essencialmente assncrona e por isso, baseada na escrita.

O Contrato de Aprendizagem: O professor de cada unidade curricular ir propor


turma, um contrato de aprendizagem. Neste contrato est definido um percurso
de trabalho organizado e orientado com base em atividades previstas previamente
apoiando-se na autoaprendizagem e na aprendizagem colaborativa. Com base nos
materiais de aprendizagem organizados e disponibilizados, o professor da unidade
curricular organiza e delimita zonas temporais de autoaprendizagem (com base
08
em documentos, bibliografia, pesquisa, anlise, avaliao, experimentao de
ferramentas, realizao, etc.) e zonas de interao diversificada na turma virtual
(seminrio), intra-grupo geral de estudantes, intra-pequenos grupos de estudantes,
ou entre estudantes e professor.

12. TEMPO DE ESTUDO E APRENDIZAGEM

Aprender a distncia numa classe virtual implica que o estudante no se encontrar


nem no mesmo local que os seus professores e colegas, nem mesma hora; ou seja,
uma aprendizagem que d flexibilidade ao estudante porque independente do
tempo e do local onde se encontra.

Naturalmente que implica tempo dedicado ao estudo e aprendizagem. Assim, cada


unidade curricular tem definido o nmero de horas de estudo e trabalho efectivo que
se esperam de si: as unidades de ECTS.

Desta feita, o estudante dever ter em considerao que, cada unidade de crdito
(1 ECTS) corresponde a 26 horas de trabalho efetivo de estudo, de acordo com o
Regulamento de Aplicao do Sistema de Unidades de Crdito ECTS da Universidade
Aberta, o que inclui, por exemplo, a leitura de documentos diversos, a resoluo das
atividades online e off-line, a leitura de mensagens, a elaborao de documentos
pessoais, a participao nas discusses assncronas, e o trabalho requerido para a
avaliao e classificao.
13. OS RECURSOS DE APRENDIZAGEM

Nas diferentes unidades curriculares ser pedido ao estudante que trabalhe e estude
apoiando-se em diversos recursos de aprendizagem desde textos escritos, livros,
recursos web, objectos de aprendizagem, entre outros e em diversos formatos.
Embora alguns desses recursos sejam digitais e fornecidos online no contexto da
classe virtual, existem outros, como livros, os quais devero ser adquiridos pelo
estudante numa livraria no incio do curso para garantir as condies essenciais
sua aprendizagem no momento em que vai necessitar desse recurso.

14. A COORDENAO DO CURSO

O curso de mestrado em Estatstica, Matemtica e Computao coordenado pelo


Prof. Doutor Pedro Miguel Picado de Carvalho Serranho e vice-coordenado pela Prof.
Doutora Catarina Sofia da Costa Nunes Duarte, docentes da Universidade Aberta 09
responsveis por acompanhar a sua conceo, o seu desenvolvimento e efetuar a
sua avaliao.

Como estudante o que pode esperar da coordenao do curso? A coordenao dever


apoiar, ao longo do curso, o processo de aprendizagem do estudante atravs de um
conjunto de mecanismos de suporte pedaggico, nomeadamente:

a) Coordenando e dinamizando um espao virtual dedicado ao acompanhamento


pedaggico dos estudantes inscritos ao longo do curso (Espao Mestrado em
Estatstica, Matemtica e Computao Coordenao Estudantes);

b) Organizando e dinamizando um mdulo de ambientao online, para os


estudantes admitidos no curso e que no tenham frequentado anteriormente
qualquer curso na Universidade Aberta;

c) Organizando e dinamizando um espao de Socializao Virtual (Espao Caf)


com funes de local informal de encontro de estudantes e professores do
curso;

d) Coordenando a organizao das diferentes unidades curriculares que compem


o curso e o seu funcionamento geral;

e) Efectuando a articulao da atuao pedaggica de toda a equipa docente do


curso;
f) Apoiando os estudantes na seleo de temticas conducentes investigao
para a dissertao;

Endereo electrnico da equipa de coordenao do curso:

Pedro Serranho (Coordenador): Pedro.Serranho@uab.pt

Catarina S. Nunes (Vice-Coordenadora): CatarinaS.Nunes@uab.pt

15. A EQUIPA DOCENTE

O processo de aprendizagem dos estudantes ser apoiado por uma equipa docente
constituda pelos professores responsveis pelas unidades curriculares do curso.
Apresenta-se a seguir uma breve nota curricular de cada docente.

Amlcar Oliveira Professor Auxiliar, Doutorado em Matemtica (especialidade


Modelao Estatstica) pela Universidade Aberta. 10

Catarina S. Nunes Professora Auxiliar, Doutorada em Controlo Automtico e


Engenharia de Sistemas (Especialidade em Matemtica Aplicada e Anlise de Dados)
pela University of Sheffield, Reino Unido.

Joo Arajo Professor Associado com Agregao, Doutorado em Matemtica pela


University of York, Reino Unido.

Maria do Rosrio Ramos Professora Auxiliar, Doutorada em Estatstica e


Investigao Operacional (Especialidade em Probabilidades e Estatstica) pela
Universidade de Lisboa.

Maria Joo Oliveira Professora Auxiliar, Doutorada em Matemtica pela


Universidade de Lisboa.

Pedro Serranho Professor Auxiliar, Doutorado em Anlise, Matemtica Aplicada e


Anlise Numrica, Universidade de Gttingen, Alemanha.

Rafael Sasportes Professor Auxiliar, Doutorado em Matemtica pela Universidade


Aberta.

Teresa Oliveira Professora Auxiliar, Doutorada em Estatstica e Investigao


Operacional (Estatstica Experimental e Anlise de Dados) pela Universidade de
Lisboa.
Vitor Roco Professor Associado, Doutorado em Informtica pela Universidade
Nova de Lisboa.

16. A AMBIENTAO ONLINE

Este mdulo prvio ao curso com uma durao de 2 semanas. Trata-se de um


mdulo prtico, com uma orientao centrada no saber-fazer.

Com este mdulo prvio pretende-se que o estudante da Universidade Aberta domine
as caractersticas do ambiente online, adquirindo competncias diversas que sejam
o garante duma aprendizagem online com sucesso. Assim, no final deste mdulo o
estudante dever ter adquirido:

Competncias no uso dos recursos tecnolgicos disponveis neste ambiente


online (saber-fazer);
11
Confiana em diferentes modalidades comunicao disponveis neste ambiente
online (saber-comunicar), nomeadamente na comunicao assncrona;

Competncias em diferentes modalidades de aprendizagem e trabalho online:


auto-aprendizagem, aprendizagem colaborativa, aprendizagem a pares,
aprendizagem com apoio de recursos.

Capacidade para aplicar as competncias gerais de utilizao da Internet


(comunicao, pesquisa, gesto e avaliao de informao) ao ambiente online
onde ir decorrer o seu curso: saber usar as ferramentas de comunicao, saber
trabalhar em grupos online, saber-fazer pesquisa e consulta de informao na
Internet.

Capacidade para aplicar as regras de convivncia social especficas da


comunicao em ambientes online (saber relacionar-se).

17. O APOIO TCNICO

Em caso de necessitar de ajuda ou apoio no que se refere ao ambiente tecnolgico


em que decorre o curso ou do seu desempenho, contactar o servio de coordenao
do curso.
18. O SECRETARIADO DO CURSO

O Curso de mestrado em Estatstica, Matemtica e Computao conta com um


secretariado cujo contacto :
Dr. Teresa Ramos
Universidade Aberta,
Departamento de Cincias e Tecnologia, Seco de Matemtica
Rua da Escola Politcnica, 141-147, 1269-001 Lisboa
Tel: + 351 30000 76 71
e-mail: memc_dcet@uab.pt
SitCon: https://sitcon.uab.pt/Mensagens/form/1?categoria_id=30

19. O PLANO DE ESTUDOS

O curso de mestrado em Estatstica, Matemtica e Computao a funcionar no binio 12


2016-2018 tem o plano de estudos descrito de seguida, sendo que no abrir novas
inscries para o Ramo de lgebra e Lgica Computacional:

RAMO ESTATSTICA COMPUTACIONAL

1 ANO

UNIDADES CURRICULARES SEMESTRE ECTS OBSERVAES

Amostragem, Anlise e Tratamento de


1 5 Obrigatria
Dados

Computao Estatstica I 1 10 Obrigatria

Estatstica I 1 10 Obrigatria

Tpicos de Anlise 1 5 Obrigatria

Anlise de Dados Multivariados e Aplicaes 2 5 Obrigatria

Computao Estatstica II 2 5 Obrigatria

Estatstica II 2 10 Obrigatria

Optativa
Mtodos Numricos 2 10
(escolher 1 de 3)

Optativa
Tpicos de lgebra* 2 10
(escolher 1 de 3)

Optativa
Tpicos de Anlise Aplicada 2 10
(escolher 1 de 3)
* A unidade curricular no funciona na presente edio do mestrado.
2 ANO
UNIDADES
SEMESTRE ECTS OBSERVAES
CURRICULARES
Dissertao Anual 60 Obrigatria

RAMO LGEBRA E LGICA COMPUTACIONAL


(ESTE RAMO NO ABRE INSCRIES NESTA EDIO)
1 ANO

UNIDADES CURRICULARES SEMESTRE ECTS OBSERVAES

lgebra Assistida por Computador 1 5 Obrigatria

Computao Estatstica I 1 10 Obrigatria

Estatstica I 1 10 Obrigatria

Optativa
Programao Aplicada Matemtica* 1 5
(escolher 1 de 3)
13
Optativa
Tpicos de Anlise 1 5
(escolher 1 de 3)

Demonstrao Automtica de Teoremas 2 5 Obrigatria

Elementos de Lgica* 2 5 Obrigatria

Mtodos Numricos 2 10 Obrigatria

Tpicos de lgebra* 2 10 Obrigatria


* A unidade curricular no funciona na presente edio do mestrado.

2 ANO
UNIDADES
SEMESTRE ECTS OBSERVAES
CURRICULARES
Dissertao Anual 60 Obrigatria
RAMO MATEMTICA APLICADA E COMPUTACIONAL

1 ANO

UNIDADES CURRICULARES SEMESTRE ECTS OBSERVAES

Computao Estatstica I 1 10 Obrigatria

Estatstica I 1 10 Obrigatria

Tpicos de Anlise 1 5 Obrigatria

Optativa
lgebra Assistida por Computador 1 5
(escolher 1 de 2)

Optativa
Tpicos de Equaes Diferenciais* 1 5
(escolher 1 de 2)

Mtodos Numricos 2 10 Obrigatria

Tpicos de Anlise Aplicada 2 10 Obrigatria

Optativa 14
Anlise de Dados Multivariados e Aplicaes 2 5
(escolher 2 de 4)

Optativa
Computao Estatstica II 2 5
(escolher 2 de 4)

Optativa
Demonstrao Automtica de Teoremas 2 5
(escolher 2 de 4)

Optativa
Elementos de Lgica* 2 5
(escolher 2 de 4)
* A unidade curricular no funciona na presente edio do mestrado.

2 ANO

UNIDADES
SEMESTRE ECTS OBSERVAES
CURRICULARES

Dissertao Anual 60 Obrigatria

20. A AVALIAO E A CLASSIFICAO

A avaliao em cada uma das unidades curriculares implica a coexistncia de duas


modalidades:

Avaliao contnua: (peso mnimo de 60%)

Avaliao final

com pesos especificados pelos docentes em cada uma das unidades curriculares.
No que respeita avaliao contnua, ela contempla um conjunto diverso de
estratgias e instrumentos nomeadamente, os portfolios, projetos individuais e de
equipa, resolues de problemas, estudos de caso, participao em discusses,
relatrios de pesquisas e testes.

No que concerne avaliao final de cada unidade curricular ponderada entre


avaliao contnua e uma componente de avaliao somativa final, de carter
individual, podendo contemplar a elaborao de, por exemplo, artigos, elaborao de
trabalhos, de projetos, apresentao e discusso de trabalhos, relatrios, realizao
de testes, de acordo com o definido pela equipa docente em articulao com o
coordenados do mestrado.

A aprovao na parte curricular do curso requer aprovao em todas as unidades


curriculares, com uma classificao igual ou superior a 10 valores.

15
21. CLASSIFICAO FINAL

A classificao final (CF) resulta do clculo da mdia aritmtica ponderada das


classificaes finais das unidades curriculares que integram o plano de estudos do
curso pela frmula

em que:
CF classificao final
Class.UCi - classificao da unidade curricular
ECTSUCi-ECTS da unidade curricular
Class(Diss.) classificao da dissertao.
ECTS(Diss) n de ECTS da unidade curricular

O resultado deve ser arredondado s unidades.


22. AS SINOPSES DAS UNIDADES CURRICULARES

LGEBRA ASSISTIDA POR COMPUTADOR

Competncias: No final do curso o aluno dever ser capaz de resolver pequenos


problemas adequados a computao simblica e a demonstrao automtica de
teoremas, nomeadamente provar teoremas ou encontrar contra-exemplos usando
a demonstrao automtica de teoremas; conhecer algumas das funes mais
vulgares do GAP, bem como a sua linguagem de programao.

Contedos:

1. Automated Reasoning:

a. Enquadramento histrico e terico da demonstrao automtica.

b. Regras de inferncia e lgica equacional.


16
c. Principais demonstradores automticos e construtores de contra-exemplos.

d. Modelao de problemas para que possam ser resolvidos por demonstradores


automticos.

2. GAP

a. As principais funes do GAP (listas, rotinas para extrair sublistas, aritmtica,


matrizes, transformaes, grupides);

b. A linguagem de programao GAP.

Bibliografia:

GAP Manuals: http://www.gap-system.org/Doc/manuals.html

Prover9 Manual: http://www.cs.unm.edu/~mccune/mace4/manual-examples.html

ANLISE DE DADOS MULTIVARIADOS E APLICAES

Competncias: Ao terminar esta unidade curricular o estudante deve estar capaz


de:

1. Identificar, caracterizar e distinguir ao nvel mais profundo as diferentes tcnicas


multivariadas do programa;

2. Selecionar e aplicar sobre um conjunto de dados as metodologias;


3. Saber interpretar os resultados e indicar as limitaes;

4. Aplicar com vontade o software estatstico SPSS ou outro que venha a ser
adotado.

Contedos:

1. Introduo aos dados multivariados.

2. Testes Multivariados para mdias. Anlise de Varincia Multivariada - MANOVA.

3. Anlise em Componentes Principais e Anlise Fatorial.

4. Anlise Discriminante.

5. Anlise de Clusters.

6. Escalonamento Multidimensional.

7. Tpicos de Regresso
17
Bibliografia:

Reis, E. (2001) Estatstica Multivariada Aplicada, 2 Edio, Edies Slabo, Lisboa.

Marco, J. (2011) Anlise Estatstica com o SPSS Statistics, Edies Slabo, Lisboa.

Jonhson, R. A., Wichern D. W. (2007) Applied Multivariate Statistical Analysis, Pearson


Prentice Hall.

Pereira, A. (2013) SPSS, Guia Prtico de Utilizao, Edies Slabo, Lisboa.

Manly, B.F.J. (2005) Multivariate Statistical Methods, Chapman & Hall /CRC.

Hair, JF, et al. (2014) Multivariate Data Analysis, 7th Edition, Pearson Education
Limited.

AMOSTRAGEM, ANLISE E TRATAMENTO DE DADOS

Competncias: Espera-se que ao concluir esta unidade curricular o estudante seja


capaz de:

Identificar os diferentes planos de amostragem;

Selecionar a tcnica de amostragem mais adequada a uma situao concreta,


calcular as estimativas e analisar a sua qualidade;

Organizar a informao obtida atravs de um questionrio, fazer algumas


anlises exploratrias e utilizar com vontade um software de anlise
estatstica.

Contedos:

1. Fontes de informao Estatstica.

2. Conceitos importantes na Amostragem: Populao, amostra, amostra


representativa.

3. Tcnicas de Amostragem Probabilsticas e No Probabilsticas.

4. Estudo das propriedades dos Estimadores dos diferentes planos de amostragem

5. O Questionrio para recolha de dados. Relao entre as respostas e as variveis


estatsticas.

6. Introduo ao tratamento estatstico de dados. Utilizao de um software de


anlise de dados. 18

Bibliografia:

Materiais disponibilizados online pela doente

Vic Barnett, Sample Survey Principles and Methods(2003), Wiley.

Scheaffer, Mandenhall and Ott. Elementary Survey Sampling. (2005) Duxbury Press;
6th edition.

M. M. Hill, A. Hill. Investigao por questionrio (2008 ou posterior). Edies Slabo.

Paula Vicente. Estudos de Mercado e de Opinio princpios e aplicaes de


amostragem (2012). 1 ed. Edies Slabo.

Joo Maroco. Anlise Estatstica com utilizao do SPSS (2011). Edies Slabo ou

Joo Maroco. Anlise Estatstica com o SPSS Statistics (2014), 6 Ed.,


ReportNumber.

A. Pereira, T. Patrcio. SPSS - Guia prtico de utilizao(2013). Edies Slabo.

Nota: em momento prprio, ser disponibilizada pela UAb uma licena de utilizao
do Software Estatstico sem custos adicionais.
COMPUTAO ESTATSTICA I

Competncias: Espera-se que ao concluir esta unidade curricular o estudante seja


capaz de:

Reconhecer o papel e a importncia da computao no auxlio ao tratamento e


anlise estatstica de dados;

Descrever o ambiente de programao R e as suas principais funcionalidades;

Identificar as principais estruturas de controlo de programao utilizadas na


linguagem R;

Aplicar tcnicas de computao em linguagem R para resolver problemas


envolvendo variveis aleatrias, distribuies estatsticas, estimao e testes
de hipteses, gerao de nmeros e de variveis aleatria;

Resolver problemas usando o programa R, envolvendo as temticas estatsticas


19
tratadas.

Contedos:

1. Introduo ao ambiente R

2. Variveis Aleatrias

3. Distribuies de Probabilidade

4. Introduo Simulao

5. Mtodos de Monte Carlo em Inferncia Estatstica

Bibliografia:

Dalgaard, Peter (2008): Introductory Statistics with R, 2nd edition, Springer, ISBN:
978-0-387-79053-4.

Verzani, J. (2005): Using R for Introductory Statistics, Chapman&Hall/CRC.

Ross, Sheldon M. (2009): Introduction to Probability and Statistics for Engineers and
Scientists, fourth edition, Elsevier/Academic Press, Burlington, MA.

J.E. Gentle (2005): Random Number Generation and Monte Carlo Methods 2nd
Edition, Springer. ISBN 0-387-0017-6 e-ISBN 0-387-21610.

Jones, O., Maillardet, R., Robinson, A. (2014): Introduction to Scientific Programming


and Simulation using R, Second Edition. Chapman and Hall / CRC, The R Series.
International Standard Book Number-13: 978-1-4665-7001-6 (eBook-PDF).

COMPUTAO ESTATSTICA II

Competncias: Espera-se que ao concluir esta unidade curricular o estudante seja


capaz de:

Reconhecer o papel e a importncia das ferramentas disponveis no R para o


tratamento e anlise estatstica de dados;

Identificar e saber aplicar os principais mtodos de otimizao e de


reamostragem usados em estatstica;

Desenvolver e aplicar tcnicas de simulao usando a linguagem R;

Resolver problemas usando o programa R, envolvendo as temticas estatsticas


tratadas.
20
Contedos:

1. Introduo programao em R

2. Otimizao em Estatstica

3. Simulao em Estatstica

4. Mtodos de Reamostragem

Bibliografia:

W. N. Venables, D. M. Smith and the R Development Core Team (2015): An Introduction


to R, Notes on R: A Programming Environment for Data Analysis and Graphics
Version 3.2.2 (2015-08-14).

Everitt, E.S. (1987): Introduction to Optimization Methods and their Application in


Statistics, Chapman and Hall, ISBN:-13. 978-94-010-7917-4, e-ISBN-13: 978-
94-009-3153-4.

Jones, O., Maillardet, R., Robinson, A. (2014): Introduction to Scientific Programming


and Simulation using R, Second Edition. Chapman and Hall / CRC, The R Series.
International Standard Book Number-13: 978-1-4665-7001-6 (eBook - PDF).

Chiahara, L.M., Hesterberg, T.C. (2011): Mathematical Statistics with Resampling and
R, Wiley, ISBN: 978-1-118-02985-5.
DEMONSTRAO AUTOMTICA DE TEOREMAS
(NO FUNCIONA NO ANO LETIVO DE 2016-17)

Competncias: No final da unidade curricular o aluno dever ser capaz de:

reconhecer as teorias subjacentes automatizao de demonstraes.

aplicar sistemas automticos de deduo a vrios problemas de matemtica,


nomeadamente, minimizao de teorias, determinao de contra-exemplos,
demonstrao de teoremas

Contedos:

1. Frmulas e interpretaes na lgica.

2. Formas normais.

3. Teorema de Herbrand,

4. Princpio de resoluo, 21

5. Resoluo semntica,

6. Resoluo linear

7. Paramodulao.

Bibliografia:

C. L. Chang, R. C. T. Lee: Symbolic Logic and Mechanical Theorem Proving, Academic


Press, London, 1973.

J.A. Kalman: Automated Reasoning with OTTER, Rinton Press, Princeton, New
Jersey, 2001.

ELEMENTOS DE LGICA
(NO FUNCIONA NO ANO LETIVO DE 2016-17)

Competncias: Ao concluir esta unidade curricular o aluno dever estar capaz de:

Reconhecer a importncia da Lgica na formalizao do raciocnio


matemtico;

Trabalhar com um conjunto de mtodos e conceitos da lgica de primeira ordem


e teoria da demonstrao;

Identificar teorias completas, incompletas, decidveis ou indecidveis.


Contedos:

1. Clculo de Proposies

2. Clculo de Predicados

3. Teoria e Modelos

Bibliografia:

M. Edmundo, Introduo Lgica, author notes, 2013.

E. Mendelson, Introduction to Mathematical Logic, Fourth Edition Chapman & Hall/


CRC 2001.

ESTATSTICA I

Competncias: No final desta unidade curricular os estudantes devero ser capazes


22
de:

Sentir-se aptos a trabalhar com conjuntos de dados, descrevendo-os,


comparando-os e extrapolando resultados para as respetivas populaes.

Saber escolher, saber aplicar e interpretar mtodos de Inferncia Estatstica


Paramtrica e No Paramtrica.

Reconhecer a importncia da Regresso Linear e saber usar esta tcnica no


estudo de amostras e de tendncias.

Conhecer a Inferncia Estatstica aplicada aos parmetros de regresso e sua


interpretao.

Saber usar e interpretar a tcnica de Anlise de varincia a um Factor.

Conhecer e saber seleccionar o Mtodo de Comparao Mltipla mais adequado


a cada situao prtica.

Contedos:

1. Inferncia Estatstica Paramtrica e No Paramtrica

2. Modelos de Regresso Linear

3. Inferncia aplicada aos parmetros da regresso

4. Anlise de Varincia

5. Mtodos de Comparao Mltipla.


Bibliografia:

T. A. Oliveira, Estatstica Aplicada, Edies Universidade Aberta, 2004.

R. Pruim, Foundations and Applications of Statistics - An introduction using R, Pure


and Applied Undergraduate Texts, American Mathematical Society, 2010.

E. Reis et al., Estatstica Aplicada, Vol. 1, Edies Silabo, 2011.

E. Reis et al., Estatstica Aplicada, Vol. 2, Edies Silabo, 2008.

ESTATSTICA II

Competncias: No final desta unidade curricular o estudante dever ser capaz de:

Reconhecer a importncia do Delineamento Experimental e da aplicao das


suas metodologias em variadas reas da Cincia;
23
Identificar os princpios bsicos para a obteno de um bom delineamento
e saber identificar o tipo de delineamento adequado a determinada situao
experimental;

Interpretar os objetivos da Anlise de Varincia e saber usar as suas tcnicas;

Criticar a seleo de delineamentos e interpretao de resultados. Aplicar


Metodologias de Superfcies de Resposta na modelao e anlise de problemas
de otimizao;

Aplicar as capacidades de um software adequado anlise de dados em


delineamento experimental, nomeadamente a linguagem R.

Contedos:

1. Introduo ao Delineamento Experimental

2. Experimentao com modelos de efeitos fixos, aleatrios e mistos.

3. Experimentao fatorial

4. Experimentao fatorial fracionada

5. Metodologias de Superfcies de Resposta

6. Modelos avanados de Planeamento de Experincias


Bibliografia:

T. A. Oliveira, Estatstica Aplicada, Edies Universidade Aberta, 2004.

D. C. Montgomery, Design and Analysis of Experiments, 7th Ed, Wiley, 2009.

A. Dean, D. Voss, Design and Analysis of Experiments, Springer, 1999.

Hinkelmann, K., Kempthorne, Volume 1: An Introduction to Experimental Design,


Volume 2:Design and Analysis of Experiments, Wiley 2005.

MTODOS NUMRICOS

Competncias: No final da unidade curricular o aluno dever ser capaz de:

compreender os conceitos da anlise numrica;

aplicar os mtodos numricos na resoluo de equaes, sistemas de equaes,


24
integrais e equaes diferenciais.

Contedos:

1. Conceitos bsicos de anlise numrica, incluindo teoria do erro, condicionamento,


interpolao e minimizao por mnimos quadrados.

2. Resoluo de equaes no-lineares

3. Clculo numrico de derivadas e integrais

4. Resoluo numrica de equaes diferenciais

5. Clculos numricos no ambiente de computao cientfica Octave

Bibliografia:

R. Kress, Numerical Analysis, Springer, 1998.

D. Kincaid, W. Cheney, Numerical Analysis - Mathematics of Science Computing, 3rd


edition, American Mathematical Society, 2009.

A. Quarteroni, F. Saleri, Clculo Cientifico com MatLab e Octave, Springer, 2007.

P. Serranho, Sebenta de Matemtica Aplicada e Anlise Numrica, 2013.

M. R. Valena: Anlise Numrica, Universidade Aberta, 1996.


PROGRAMAO APLICADA MATEMTICA
(NO FUNCIONA NO ANO LETIVO DE 2016-17)

Competncias: Ao concluir esta UC o aluno dever ser capaz de:

Identificar as potencialidades de uma linguagem de programao na sua


aplicao a um problema, inserido num contexto/ambiente especfico;

Conhecer com profundidade os princpios, mecanismos, sintaxe e semntica de


uma linguagem de programao multi-paradigma particular (Python);

Analisar e desenvolver programas eficazes e que aproveitem as potencialidades


da linguagem de trabalho;

Integrar em pacotes de software, de forma transparente ao utilizador, duas ou


mais componentes de diversas tecnologias/linguagens.

Contedos:
25
1. Introduo ao Python

2. Sintaxe e estruturas de controlo

3. Estruturas de Dados

4. Objetos e encapsulamento

5. Interoperabilidade

6. Introspeco em Python

Bibliografia:

Python Documentation, http://www.python.org/doc/.

Core Python Programming, Chun, W.; Prentice-Hall, ISBN-13: 978-0132269933.

Programming Python, Lutz, M.; OReilly, ISBN-13: 978-0596158101.

Beginning Python: Using Python 2.6 and Python 3.1, Payne, J.; Wrox, ISBN-13: 978-
0470414637.

TPICOS DE LGEBRA
(NO FUNCIONA NO ANO LETIVO DE 2016-17)

Competncias: No final do curso o aluno dever descrever os objetos e resultados


elementares da teoria de semigrupos e da lgebra universal; dever ser capaz de
resolver problemas do tipo calcular e manipular as relaes de Green de um semigrupo
dado e do problema inverso (ie, encontrar semigrupos com relaes prescritas).
Dever ser capaz de enunciar e demonstrar o teorema de Rees e o P-teorema de
McAlister. Dever ainda enunciar e provar o teorema de variedades de Birkhoff, bem
como relacionar o teoria de Birkhoff com os problemas de lgica equacional mais
vulgares e respetiva aplicao s ferramentas de demonstrao automtica de
teoremas.

Contedos:

1. lgebra Universal. Teorema de Birkhoff para variedades de lgebras.

2. Teoria dos Semigrupos. Relaes de Green; resultados bsicos sobre semigrupos


regulares, completamente 0-simples e inversos.

3. lgebra Computacional. Rotinas elementares em GAP. Demonstrao automtica


de pequenos teoremas usando o Prover9. 26

Bibliografia:

Joo Arajo, Mergulhos e Coberturas de Semigrupos E-unitrios, FCUL, 1994.

Peter Higgins, Techniques of Semigroup Theory, Oxford Science Publications, Oxford


University Press, Oxford, 1992.

John M. Howie, An introduction to semigroup theory. L.M.S. Monographs, No. 7.


Academic Press [Harcourt Brace Jovanovich, Publishers], London-New York,
1976.

John M. Howie, Fundamentals of Semigroup Theory, London Mathematical So- ciety


Monographs, New Series vol. 12, Oxford University Press, Oxford, 1996.

Mark Lawson, Inverse semigroups. World Scientific Publishing Co., Inc., River Edge,
NJ, 1998.

R. McKenzie, G. McNulty, W. Taylor, Algebras, lattices, varieties. Vol. I, The Wadsworth


& Brooks/Cole Mathematics Series. Wadsworth & Brooks/Cole Ad- vanced
Books & Software, Monterey, CA, 1987.

Mario Petrich, Introduction to Semigroups, Merrill Research and Lecture Series,


Merrill Publishing Co., Columbus, 1973.
John Rhodes and Benjamim Steinberg, The q-theory of finite semigroups. Springer
Monographs in Mathematics. Springer, New York, 2009.

TPICOS DE ANLISE

Competncias: Complementando os conhecimentos bsicos j adquiridos nas


unidades curriculares de lgebra Linear, Anlise Matemtica e Topologia, nesta
unidade aprofundado o estudo dos espaos normados de dimenso infinita, com
especial destaque para os espaos de Banach e de Hilbert. So tambm estudados os
operadores lineares nestes espaos e alguns dos teoremas fundamentais da Anlise
Funcional (Hahn-Banach, aplicao aberta, grfico fechado e limitao uniforme).
Ao concluir esta unidade curricular o estudante dever conhecer, e saber aplicar, as
propriedades e resultados fundamentais dos espaos de Banach e de Hilbert e dos
operadores lineares neles definidos. 27
Contedos:

1. Revises sobre clculo diferencial e os integrais de Riemann e de Riemann-


Stieltjes

2. Integral de Lebesgue

3. Espaos normados e espaos de Banach

4. Espaos com produto interno e espaos de Hilbert

5. Operadores lineares em espaos normados e alguns teoremas fundamentais

6. Dualidade, teorema de Hahn-Banach

7. Operadores lineares em espaos de Hilbert

8. Operadores compactos

9. Aplicaes s equaes diferenciais e integrais

Bibliografia:

B.P. Rynne, M.A. Youngson: Anlise Funcional Linear, Coleo Ensino da Cincia e da
Tecnologia, vol. 39, IST Press, Lisboa, 2011.

Erwin Kreyszig; Introductory Functional Analysis with Applications, Wiley Classics


Library, Wiley, New York, 1989.
TPICOS DE ANLISE APLICADA

Competncias: Nesta unidade curricular so estudados diversos aspetos de Anlise


Harmnica, a nvel de ps-graduao introdutria: so discutidos e demonstrados
resultados de convergncia pontual, uniforme, e em mdia quadrtica de sries de
Fourier, bem como analisados os mtodos de soma de Abel e Cesro. Abordam-se
as transformadas de Fourier e de Haar discretas (incluindo a FFT e a FHT) e estuda-
se a transformada de Fourier em S e S . Termina-se com um estudo introdutrio
Anlise de Onduletas e suas aplicaes. O objetivo deste trajeto formativo introduzir
o estudante aos mtodos modernos da Anlise Harmnica aplicada e, de um modo
relativamente rpido, fornecer-lhe os instrumentos conceptuais e de clculo que lhe
permitam compreender a literatura cientfica recente e prosseguir para estudos ps-
graduados mais avanados em Anlise Aplicada ou em outras reas cientficas e
tecnolgicas que necessitem destes instrumentos.
28
Contedos:

1. Sries de Fourier: motivao, introduo, notas histricas

2. Convergncia pontual de sries de Fourier

3. Mtodos de soma (Abel e Cesro)

4. Convergncia em mdia quadrtica

5. Anlises de Fourier e de Haar discretas (incluindo FFT e FHT)

6. Transformada de Fourier em S e em S

7. Onduletas

8. Anlise multiresoluo

9. Aplicaes da anlise de onduletas

Bibliografia:

M.C. Pereyra, L.A. Ward, Harmonic Analysis: From Fourier to Wavelets, Student
Mathematical Library IAS/Park City Mathematical Subseries, volume 63,
American Mathematical Society/Institute for Advanced Study, Providence RI/
Princeton NJ, 2012.

E.M. Stein, R. Shakarchi, Fourier Analysis: an introduction, Princeton Lectures in


Analysis I, Princeton University Press, Princeton NJ, 2003.
TPICOS DE EQUAES DIFERENCIAIS
(NO FUNCIONA NO ANO LETIVO DE 2016-17)

Competncias: No final desta unidade curricular estudante dever ser capaz de


compreender a literatura cientfica recente e prosseguir para estudos ps-graduados
mais avanados em equaes diferenciais no lineares e respectivas aplicaes.

Contedos:

1. Sistemas No Lineares: teoremas bsicos, conjuntos limite, teorema de Poincar-


Bendixon

2. Teoria da estabilidade: noes de estabilidade, critrios de estabilidade, funes de


Lyapounov

3. Teoria das bifurcaes: equivalncia topolgica, estabilidade estrutural, bifurcao


de pontos de equilbrio, bifurcao de ciclos limite, teorema de Poincar-Andronov-
29
Hopf

4. Exemplos de aplicaes.

Bibliografia:

Lawrence Perko, Differential Equations and Dynamical Systems, Texts in Applied


Mathematics, Springer, volume 7, 3rd.ed.

Yuri A. Kuznetsov, Elements of Applied Bifurcation Theory, Applied Mathematical


Sciences, Springer, volume 112,3rd.ed.

Stephen Wiggins, Introduction to Applied Nonlinear Dynamical Systems and Chaos,


Texts in Applied Mathematics, Springer, volume 2, 2nd.ed.

DISSERTAO

Esta unidade curricular visa a elaborao de uma dissertao de mestrado.