Publicação em Diário da República: Despacho n.º 4406/2017 - 22/05/2017
5 ECTS; 1º Ano, 1º Semestre, 30,0 TP , Cód. 92951.
Docente(s)
- Ricardo Jorge Viegas Covas (1)(2)
(1) Docente Responsável
(2) Docente que lecciona
Pré-requisitos
Não aplicável
Objetivos
Perante uma situação concreta os alunos deverão ser capazes de:
identificar corretamente a metodologia estatística mais adequada para atingir os objetivos traçados,
aplicá-la corretamente utilizando o software estatístico SPSS, não esquecendo a validação de pressupostos, caso estes existem
retirar conclusões da análise efetuada.
Programa
I. Introdução
1.1. Alguns conceitos básicos.
1.2. Estatística Descritiva versus Inferência Estatística.
1.3. Tipos de variáveis/dados. Classificação quanto à natureza e escala.
1.4. Introdução ao Software Estatístico SPSS.
1.5. Estatística Descritiva no SPSS.
II. Inferência Estatística
2.1. Estimação.
2.1.1. Estimadores e estimativas.
2.1.2. Estimação pontual e estimação intervalar.
2.2. Testes de Hipóteses.
2.2.1. Hipótese nula e hipótese alternativa. Erros de 1ª e 2ª espécie.
2.2.2. Estatística de teste e região de rejeição. O valor-p de um teste.
2.2.3. Testes de hipóteses paramétricos: testes para a proporção, média, diferença de médias e igualdade de mais do que duas médias.
2.2.4. Testes de hipóteses paramétricos versus testes de hipóteses não paramétricos.
2.2.5. Testes de hipóteses não paramétricos: testes de ajustamento, teste de independência do Qui-quadrado, teste de Wilcoxon-Mann-Whitney, teste de Wilcoxon e teste de Kruskal-Wallis.
III. Regressão e Correlação
3.1. Diagrama de dispersão. O coeficiente de correlação de Pearson.
3.2. Regressão linear simples. O modelo de regressão.
3.3. O método dos mínimos quadrados. Estimação da recta de regressão.
3.4. Interpretação dos coeficientes de regressão.
3.5. O coeficiente de determinação. Qualidade do modelo.
IV. Regressão Linear Múltipla
4.1. O Modelo de Regressão Linear. Pressupostos do modelo.
4.2. Estimação dos parâmetros do modelo.
4.3. A análise de variância e teste aos coeficientes do modelo.
4.4. Métodos de selecção das variáveis independentes.
4.5. Introdução de variáveis qualitativas no modelo de regressão linear.
4.6. Interpretação dos coeficientes de regressão.
4.7. Estimação e previsão de novas observações.
4.8. Validação dos pressupostos do modelo.
4.9. Diagnóstico de outliers e observações influentes.
V. Análise Factorial em Componentes Principais
5.1. Objectivos da Análise Factorial. O modelo.
5.2. Análise factorial em componentes principais.
5.3. Medidas de adequabilidade.
5.4. Determinação dos factores.
5.5. Interpretação dos factores.
VI. Análise de Clusters
6.1. Introdução.
6.2. A proximidade entre objectos. Distâncias.
6.3. Análise de Cluster hierárquica e não hierárquica.
6.4. Processo de clustering e o dendograma.
6.5. Interpretação.
Metodologia de avaliação
Aval. Contínua: O aluno escolhe uma das seguintes metodologias:
Met. A: 2 provas escritas. A nota final é igual à média aritmética das 2 provas.
Met. B: 1 prova escrita.
Os alunos dispensam de exame, caso a nota seja maior ou igual a 10
Bibliografia
- Guimarães, R. e Sarsfields, J. (2005). Estatística. : McGraw Hill
- Hair, J. e Black, W. e Anderson, R. (2006). Multivariate Data Analysis. : Prentice Hall
- Maroco, J. e Bispo, R. (2005). Estatística Aplicada às Ciências Sociais e Humanas. : McGraw Hill
- Maroco, J. (2011). Análise Estatística com o SPSS Statistics. Lisboa: Report Number
Método de Ensino
Aulas teórico-práticas. A componente teórica é predominantemente expositiva, prevalecendo uma forte interação entre a teoria e a aplicação prática. A componente prática é realizada em ambiente informático, utilizando o software estatístico SPSS.
Software utilizado nas aulas
IBM-SPSS
Aprovado em Conselho Técnico Cientifico: 07 de janeiro de 2020
Download da Ficha da Unidade Curricular (FUC)
