Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Estatística e Análise de Dados
Departamento / Department
Departamento de Métodos Quantitativos para Gestão e Economia
Ano letivo / Execution Year
2023/2024
Pré-requisitos / Pre-Requisites
- Nenhum
Objetivos Gerais / Objectives
A disciplina tem como objetivo principal proporcionar aos alunos conhecimentos e competências para proceder a Análise de Dados focados em aplicações de casos reais de gestão.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
No final do período curricular, o aluno deverá: OA1. Rever e saber utilizar os principais conceitos de estatística descritiva univariada e bivariada OA2. Compreender e saber aplicar os conceitos mais importantes de inferência estatística no âmbito de testes paramétricos e testes não-paramétricos mais adequados a cada situação. OA3. Proceder à redução da dimensionalidade dos dados OA4. Saber aplicar um modelo de regressão linear OA5. Usar eficazmente e saber interpretar os outputs do SPSS Statistics
Conteúdos Programáticos / Syllabus
P1. Análise exploratória de dados P1.1 Univariados P1.2 Bivariada P2. Análise inferencial P2.1 Testes paramétricos: teste t para uma média; teste t para a diferença de duas médias (amostras independentes); teste para a igualdade de mais de duas médias com amostras independentes (Anova a um fator). P2.2 Testes não paramétricos: teste Mann-Whitney, Teste Kruskall-Wallis, e teste de independência do Qui-Quadrado P3. Análise Descritiva de Dados Multivariados P3.1 Análise em Componentes Principais P3.2 Análise de Segmentação P4 Análise Preditiva de Dados Multivariados P4.1 Regressão linear Simples P4.2 Regressão linear Múltipla P5 Utilizar e interpretar os outputs de IBM SPSS Statistics
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
Esta demonstração de coerência decorre da interligação dos conteúdos programáticos com os objetivos de aprendizagem (OA), como a seguir se explicita: P1 -> OA 1 P2 -> OA 1, 2 P3 -> OA 3 P4 -> OA 4 P5 -> OA 1, 2, 3, 4, 5
Avaliação / Assessment
Avaliação Periódica: a) 2 Exercícios teórico-práticos com peso de 15% cada e ambos com nota mínima de 7,5 valores b) Teste final individual com peso de 70% e nota mínima de 7,5 valores. A avaliação periódica exige a presença em pelo menos 2/3 das aulas e nela serão aprovados os alunos que obtenham classificação final média mínima de 10 valores, desde que não obtenham nota inferior a 7,5 valores em cada um dos momentos de avaliação Avaliação final: Um exame teórico (70%) + um exame de componente prático (30%). Nota mínima em cada prova: 7.5 em 20 desde que a nota final seja igual ou superior a 10.
Metodologias de Ensino / Teaching methodologies
Serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME): ME1: Expositivas para apresentação dos quadros teóricos de referência ME2: Participativas com análise de excertos de artigos científicos ME3: Ativas com a realização e discussão de dois exercícios teórico-práticos ME4: Experimentais, em laboratório de informática, realizando-se análises de casos reais ME5: Autoestudo, relacionado com o trabalho autónomo do aluno
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
As metodologias de ensino-aprendizagem visam o desenvolvimento das principais competências de aprendizagem dos alunos que permitam cumprir cada um dos objetivos de aprendizagem e assim as principais interligações entre as metodologias de ensino-aprendizagem e os respetivos objetivos são os seguintes: ME1 -> OA 1, 2, 3. 4 ME2 -> OA 1, 2, 3, 4 ME3 -> OA1, 2, 3, 4 ME4 -> OA 1, 2, 3, 4 ME5 -> OA 1, 2, 3, 4
Observações / Observations
·
Bibliografia Principal / Main Bibliography
Hair, J. H., Black, W. C., & Babin, B. J., Multivariate Data Analysis: A Global Perspective, 2010, Pearson Education, ISBN 0135153093, 9780135153093 João Marôco, Análise Estatística com o SPSS Statistics, 2021, ReportNumber, 8ª edição, ISBN: 978-972-618-476-8
Bibliografia Secundária / Secondary Bibliography
Elizabeth Reis, Estatística Descritiva, 2008, 7ª ed., Edições Sílabo, ISBN: 978-972-618-476-8 Raul Laureano & Maria do Carmo Botelho, IBM SPSS Statistics: O Meu Manual de Consulta Rápida, 2017, Edições Sílabo, 3ª ed., ISBN: 978-972-618-886-5 Raul Laureano, Testes de Hipóteses e Regressão - O Meu Manual de Consulta Rápida, 2020, Edições Sílabo, 2ª edição, ISBN: 978-989-561-051-8
Data da última atualização / Last Update Date
2024-02-16