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

Apresentar aos alunos as principais técnicas descritivas para sumarização, segmentação e associação, focadas em aplicações 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. Aplicar os conceitos inerentes a cada uma das fases da metodologia CRISP-DM em dados reais. OA2. Compreender e aplicar técnicas de sumarização. OA3. Compreender e aplicar técnicas de segmentação OA4. Compreender e aplicar técnicas de associação.

Conteúdos Programáticos / Syllabus

P1. Análise exploratória dos dados P1.1 Tipos de dados P1.2 Avaliação da qualidade dos dados: não respostas e valores extremos P2. Técnicas de sumarização P2.1 Medidas de sumarização P2.3 Análise de Componentes Principais (ACP) P3 Técnicas de segmentação P4. Técnicas de associação P5. Aplicações de técnicas descritivas em dados reais: utilização dos softwares IBM SPSS Modeler e IBM SPSS Statistics, ou outros.

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 (P) com os objetivos de aprendizagem (OA), como a seguir se explicita: P1 -> OA 1, 2 P2 -> AO 1, 2 P3 -> OA 1, 3 P4 -> OA 1, 4 P5 -> OA 1, 2, 3, 4

Avaliação / Assessment

Avaliação periódica: a) 2 Exercícios teórico-práticos com peso de 15% cada com nota mínima de 8.5 valores b) Teste individual (70%) com nota mínima de 8.5 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 8,5 valores em cada um dos momentos de avaliação. Avaliação por exame: Exame teórico (70%) + exame prático (30%) com nota mínima 8,5 a cada prova desde que a nota final seja de 10 no mínimo.

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 discussões de casos e resolução de exercícios ME3. Ativas, com a realização de dois exercícios individuais teórico-práticos ME4. Experimentais, em laboratório de informática, realizando-se análises sobre dados reais ME5. Autoestudo, relacionado com o trabalho autónomo (TA) do aluno, tal como consta no Planeamento das Aulas

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 com cada um dos objetivos de aprendizagem, pelo que, na grelha a seguir, apresentam-se as principais interligações entre as metodologias de ensino-aprendizagem e os respetivos objetivos. ME1 -> OA 1, 2, 3, 4 ME2 -> OA 1, 2, 3, 4 ME3 -> OA 1, 2, 3, 4 ME4 -> OA 2, 3, 4, ME5 -> OA 1, 2, 3, 4

Observações / Observations

Bibliografia Principal / Main Bibliography

Larose, D. T., Data Mining and Predictive Analytics, 2015, Wiley Series on Methods and Applications, 2nd Ed., ISBN: 978-1-118-11619-7 Camm, J., Cochran, J., Fry, M., Ohlmann, J., Anderson, D., Sweeney, D., & Williams, T., Essentials of Business Analytics, 2015, Cengage Learning, 2nd Ed., ISBN- 10 1305627733 Hair, J. H., Black, W. C., & Babin, B. J., Multivariate Data Analysis: A Global Perspective, 2010, Pearson Education, ISBN 0135153093, 9780135153093

Bibliografia Secundária / Secondary Bibliography

Laureano, R. & Botelho, M., IBM SPSS Statistics: o Meu Manual de Consulta Rápida, 2017, 4ª Edição, Edições Sílabo, ISBN 978-972-618-886-5 Raul Laureano, Testes de Hipóteses com o IBM SPSS Statistics: O Meu Manual, 2022, Edições Sílabo, 3ª ed., ISBN 978-989-561-052-5

Data da última atualização / Last Update Date

2024-02-16