Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Estatística e Análise de Dados

Departamento / Department

Ano letivo / Execution Year

2016/2017

Pré-requisitos / Pre-Requisites

Não existem

Objetivos Gerais / Objectives

Introduzir as técnicas de regressão e aplicações no contexto empresarial. Saber interpretar e usar técnicas de regressão na aplicação ao negócio.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

OA1. Conhecer a importância e motivação das técnicas de regressão no contexto analítico e de negócio; OA2. Conhecer as principais técnicas; OA3. Saber interpretar correctamente e conhecer as principais precauções a ter; OA4. Conhecer aplicações de negócio; OA5. Conhecer outras técnicas fundadas em métodos regressivos; OA6. Resolver problemas de negócio através de regressões lineares.

Conteúdos Programáticos / Syllabus

CP1. Modelo de Regressão Linear; CP1.1 Contexto Histórico e Motivação CP1.2 Introdução ao modelo de regressão linear CP1.3 Tópicos de regressão CP1.4 Interpretação e inferência CP1.5 Principais problemas e cuidados a ter CP2. Aplicações de Negócio; CP3. Outras técnicas; CP4. Exercícios.

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes

Esta demonstração de coerência decorre da interligação dos conteúdos programáticos (CP) com os objetivos de aprendizagem (OA), como a seguir se explicita: CP1 -> OA 1, 2, 3 CP2 -> OA 2, 3, 4 CP3 -> OA 1, 2,3,4,5,6 CP4 -> OA 1, 2,3,4,5,6 CP5 -> OA 2,3,4,5,6,7

Avaliação / Assessment

A avaliação contínua inclui a realização de: a) Trabalho de grupo com ponderação de 40%. (OA 1, 2, 3, 4, 5,6,7). b) Avaliação Individual escrita do aluno de 60%. (OA 1, 2, 3, 4, 5,6,7). A avaliação contínua exige a presença em, pelo menos, 60% das aulas. Os alunos em avaliação contínua que não obtenham a nota mínima de 10 valores serão remetidos para exame final (100%).

Metodologias de Ensino / Teaching methodologies

Todas as aulas são teórico-práticas e decorrem no laboratório de informática. Serão utilizadas as seguintes(ME): ME1. Expositivas, apresentação dos quadros teóricos de referência. ME2. Participativas,análise de artigos científicos e case studies. ME3. Ativas,realização de trabalho de grupo ME4. Experimentais, em laboratório,desenvolvimento e exploração de "modelos" em computador ME5. Auto-estudo, relacionado com o trabalho autónomo (TA) 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 da capacidade de investigação e desenvolvimento autónomo de projectos de business analytics por parte dos alunos. ME1 + ME2 + ME5-> OA 1, 2, 3, 4, 5, 6 ME3 + ME4 + ME5-> OA 4, 5, 6

Observações / Observations

.

Bibliografia Principal / Main Bibliography

Wooldridge, J. (2015), Introductory Econometrics: A Modern Approach , 6th Edition, Cengage Learning Richardson, R (2015), Business Applications of Multiple Regression, 2nd Edition, Business Expert Press Larose, C., Larose, D. (2014), Discovering Knowledge in Data, 2nd Edition, John Wiley & Sons Inc Hair, J., Anderson, R., Black, B., Babin, B. (2016), Multivariate Data Analysis , 7th Edition, Pearson Education Caiado, J. (2016), Métodos de Previsão em Gestão com aplicações em Excel, 2ª Edição, Edições Sílabo Artigos científicos indicados e/ou disponibilizados pelo docente Documentos, manuais e guias de utilização indicados e/ou disponibilizados pelo docente Folhas de apoio às aulas elaboradas pelo docente

Bibliografia Secundária / Secondary Bibliography

Data da última atualização / Last Update Date

2024-02-16