Análise Estatística
Objetivos
1. Descrever uma variável aleatória; compreender os modelos probabilísticos e cálculo de probabilidades
2. Caracterizar as distribuição Binomial e Normal; calcular probabilidades
3. Compreender a distribuição de amostragem;explicar e aplicar o Teorema do Limite Central
4. Explicar o impacto da dimensão da amostra na distribuição de amostragem
5. Compreender e investigar as propriedades dos estimadores
6. Construir e interpretar intervalos de confiança
7. Calcular a dimensão da amostra dada a precisão da estimativa pontual
8. Formular hipóteses e decidir com base no teste estatístico apropriado
9. Explicar os dois tipos erro nos testes estatísticos
10. Calcular e interpretar o p-value
11. Fazer inferências para a média, proporção, diferença de médias e de proporções,variância e quociente variâncias
12. Verificar pressupostos da ANOVA,obter tabela ANOVA,aplicar teste-F e testes post-hoc
13. Distinguir procedimentos de teste paramétricos e não paramétricos
14. Realizar testes de hipóteses não paramétricos
Caracterização geral
Código
200185
Créditos
7.5
Professor responsável
Docente a designar
Horas
Semanais - A disponibilizar brevemente
Totais - A disponibilizar brevemente
Idioma de ensino
Português. No caso de existirem alunos de Erasmus, as aulas serão leccionadas em Inglês
Pré-requisitos
Bibliografia
- Hogg, R. V., Tanis, E. A. (2010). Probability and Statistical Inference. 8th Edition, New Jersey: Pearson/Prentice-Hall.
- Newbold, P., Carlson, W. L., Thorne, B. (2012). Statistics for Business and Economics. 8th Edition, Boston: Pearson.
- Tutorials and other materials provided by the teacher.
Método de ensino
A unidade curricular é baseada em aulas teóricas e práticas. Serão aplicadas diversas estratégias de ensino, incluindo exposição e demonstrações com apresentação de slides, aplicações passo a passo (com e sem software), perguntas e respostas. As sessões incluem apresentação de conceitos e metodologias, resolução de exemplos, discussão e interpretação de resultados. A componente prática está orientada para a resolução de problemas e exercícios, incluindo a discussão e interpretação de resultados. É igualmente proposto um caderno de exercícios que deverão ser resolvidos com trabalho individual fora das aulas.
Método de avaliação
Avaliação:
1ª época: projeto (20%), 1º teste (40%), 2º teste (40%)
2ª época: exame final (100%)
Conteúdo
1. VARIÁVEIS ALEATÓRIAS
- Modelos probabilísticos
- V.a. discretas
- V.a. continuas
2. DISTRIBUIÇÕES DE PROBABILIDADE
- Binomial, Poisson, Normal
- Aproximação da Binomial à Normal
- t, Chi-square, F
3. DISTRIBUIÇÕES AMOSTRAIS
- Estatísticas amostrais e distribuições amostrais
- Distribuição da média e proporção amostrais
4. ESTIMAÇÃO PONTUAL
- Não enviesamento, eficiência, consistência
5. ESTIMAÇÃO POR INTERVALOS
- IC para média, proporção, variância
- IC para diferença de médias e diferença de proporções
- Determinar a dimensão da amostra
6. TESTES DE HIPÓTESES
- Conceitos
- Testes para média, proporção, variância, diferença de médias e diferença de proporções, quociente de variâncias
- Testes para coeficiente de correlação
7. ANÁLISE DE VARIÂNCIA
- One-way ANOVA com efeitos fixos
- Testes de comparações múltiplas
- Testes para igualdade de k variâncias
8. TESTES NÃO PARAMÉTRICOS
- Introdução
- Testes ajustamento
- Comparação de amostras independentes e emparelhadas
- Teste de Spearman
Cursos
Cursos onde a unidade curricular é leccionada:
- Análise e Gestão de Informação
- Análise e Gestão de Risco
- Especialização em Gestão do Conhecimento e Business Intelligence (Inteligência de Negócio)
- Especialização em Gestão dos Sistemas e Tecnologias de Informação
- Especialização em Marketing Intelligence
- Especialização em Marketing Research e CRM
- Laboral - Especialização em Gestão do Conhecimento e Business Intelligence
- Laboral - Especialização em Gestão dos Sistemas e Tecnologias de Informação
- Laboral - Especialização em Marketing Intelligence
- Pós-Graduação em Análise e Gestão de Informação
- Pós-Graduação em Análise e Gestão de Risco
- Pós-Graduação em Data Science for Marketing
- Pós-Graduação em Digital Marketing and Analytics
- Pós-Graduação em Gestão do Conhecimento e Business Intelligence (Inteligência de Negócio)
- Pós-Graduação em Gestão dos Sistemas e Tecnologias de Informação
- Pós-Graduação em Marketing Intelligence
- Pós-Graduação em Marketing Research e CRM (Estudos de Mercado e Gestão do Relacionamento com o Cliente)