Ficha Unidade Curricular (FUC)

Informação Geral / General Information


Código :
M8558
Acrónimo :
M8558
Ciclo :
2.º ciclo
Línguas de Ensino :
Inglês (en)
Língua(s) amigável(eis) :
Inglês

Carga Horária / Course Load


Semestre :
1
Créditos ECTS :
6.0
Aula Teórica (T) :
0.0h/sem
Aula Teórico-Prática (TP) :
30.0h/sem
Aula Prática e Laboratorial (PL) :
0.0h/sem
Trabalho de Campo (TC) :
0.0h/sem
Seminario (S) :
0.0h/sem
Estágio (E) :
0.0h/sem
Orientação Tutorial (OT) :
1.0h/sem
Outras (O) :
0.0h/sem
Horas de Contacto :
31.0h/sem
Trabalho Autónomo :
119.0
Horas de Trabalho Total :
150.0h/sem

Área científica / Scientific area


Econometria

Departamento / Department


Departamento de Métodos Quantitativos para Gestão e Economia

Ano letivo / Execution Year


2023/2024

Pré-requisitos / Pre-Requisites


Não se aplica

Objetivos Gerais / Objectives


Pretende-se que os alunos, no final da unidade curricular, sejam capazes de aplicar a análise de dados univariada e multivariada a problemas concretos, em contextos empresariais e das instituições em geral.

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 desta UC, o aluno deverá: 1. Conhecer e utilizar os principais conceitos de estatística. 2. Conhecer e saber aplicar o modelo de regressão linear múltipla, a situações concretas. 3. Conhecer e saber aplicar os modelos Logit, Probit e Gompit, a situações concretas. 4. Ser capaz de utilizar os modelos clássicos de séries cronológicas. 5. Ser capaz de trabalhar com os packages informáticos mais importantes (EXCEL, SPSS e EVIEWS): As sessões decorrerão sempre na sala de computadores.

Conteúdos Programáticos / Syllabus


1. Inferência Estatística: revisão 2. Análise de Correlação e Modelo de Regressão Linear Simples 3. Modelo de Regressão Linear Múltipla (MLRM). 4. Testes de Especificação e de Quebras de Estrutura 5. Hipóteses do MLRM: Normalidade e Multicolinearidade 6. Hipóteses do MLRM: Heteroscedasticidade 7. Hipóteses do MLRM: Autocorrelação 8. Modelos com variável dependente binária: LOGIT and PROBIT 9. Introdução aos Modelos de Séries Cronológicas

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 com os objectivos de aprendizagem (OA), como a seguir se explicita: OA1 - 1. Inferência Estatística: revisão OA2 - Pontos do programa: 2. a 7. OA3 - 8. Modelos com variável dependente binária: LOGIT and PROBIT OA4 - 9. Introdução aos Modelos de Séries Cronológicas OA5 - Todos

Avaliação / Assessment


A avaliação processa-se em Avaliação Periódica ou Avaluação por Exame. A avaliação periódica é constituída por um trabalho de grupo (40%) e o exame final (60%) que abarca toda a matéria e cuja nota mínima terá de ser superior ou igual a 7.5 valores. A avaliação periódica obriga a uma assiduidade mínima de 66.67% das aulas. A avaliação por exame consiste na realização de um exame com uma uma ponderação de 100%. No teste e no exame os alunos podem usar uma calculadora e uma folha com notas.

Metodologias de Ensino / Teaching methodologies


O aluno deverá adquirir e/ou desenvolver competências de análise e síntese, de pesquisa, de crítica, de comunicação escrita e oral conforme os objectivos definidos. Serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME): 1. Expositivas (quadros teóricos de referência) 2. Participativas (análise e resolução de exercícios práticos) 3. Activas (trabalhos individuais e de grupo) 4. Experimentais (desenvolvimento e exploração de modelos em computador) 5. Auto-estudo.

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


Metodologias de ensino-aprendizagem (MEA) 1. Expositivas, para apresentação dos quadros teóricos de referência. Objectivos de aprendizagem (0A): Todos. 2. Participativas, com análise e resolução de exercícios práticos. Objectivos de aprendizagem (0A): OA1. a OA4. 3. Activas, com realização de trabalhos individuais e de grupo. Objectivos de aprendizagem (0A): OA1 a OA3 4. Experimentais, em laboratório, com desenvolvimento e exploração de modelos em computador. Objectivos de aprendizagem (0A): OA5. 5. Auto-estudo, relacionadas com o trabalho autónomo do aluno, tal como consta no Planeamento das Aulas. Objectivos de aprendizagem (0A): Todos

Observações / Observations


·

Bibliografia Principal / Main Bibliography


Curto, José Dias, Mathematics in Bullets points: what you must know before starting a master or PhD program, 2018, Amazon, https://www.amazon.es/-/pt/dp/1717375669/ref=sr_1_3?crid=2YXMKPLYGLBJZ&keywords=jos%C3%A9+dias+curto&qid=1694361306&sprefix=jos%C3%A9+dias+curto%2Caps%2C130&sr=8-3 Curto, José Dias, Econometris and Statistics - Over 100 problems (with solutions): Applications in 'R/RStudio' and 'Excel', 2021, Amazon, https://www.amazon.es/-/pt/dp/B09JXZX1NT/ref=sr_1_2?crid=2YXMKPLYGLBJZ&keywords=jos%C3%A9+dias+curto&qid=1694361306&sprefix=jos%C3%A9+dias+curto%2Caps%2C130&sr=8-2 Wooldridge, Jeffrey, Introductory Econometrics : A Modern Approach, 2019, Ed. Autor, Brooks, Chris, Introductory Econometrics for Finance, 2002, Cambridge University Press,

Bibliografia Secundária / Secondary Bibliography


Data da última atualização / Last Update Date


2024-02-16