Estatística Aplicada à Gestão II

1. Correlação e Regressão linear simples

1.1.  Correlação linear: coeficiente de correlação de Pearson. Diagrama de dispersão. Tipos de correlação.

1.2.  O modelo de Regressão linear simples. Hipóteses subjacentes.

1.3.  Estimadores dos mínimos quadrados para os parâmetros do modelo.

1.4.  Propriedades dos estimadores dos mínimos quadrados.

1.5.  Distribuição de probabilidade dos estimadores dos mínimos quadrados.

1.6.  Intervalos de confiança e testes de hipótese sobre os parâmetros.

1.7.  Avaliação da qualidade do ajustamento do modelo de regressão linear simples (Teste F da ANOVA e coeficiente de determinação).

1.8.  Verificação das hipóteses mais importantes do modelo de regressão linear. Análise de Resíduos. Análise gráfica e sua importância no estudo do modelo.

1.9.  Predição. Intervalos de predição individual. Intervalos de predição em média.

1.10.        Regressão não linear

1.10.1. Regressão linear simples com transformação de variáveis.

1.10.2. Regressão sem transformação de variáveis.

Utilização de software estatístico (SPSS e Excel). 

2. Regressão linear múltipla.

2.1.  Modelo de regressão linear múltipla. Hipóteses subjacentes.

2.2.  Estimação dos parâmetros do modelo.

2.3.  Propriedades dos estimadores.

2.4.  Inferências para funções lineares dos parâmetros do modelo.

2.5.  Significância do modelo de regressão.

2.6.  Inferência: Intervalos de confiança e testes de hipótese sobre os parâmetros.

2.7.  Coeficiente de determinação múltipla ajustado.

2.8.  Teste de Lack-of-Fit (falta de ajustamento).

2.9.  Análise de resíduos.

2.10.        Resíduos e autocorrelação – teste de Durbin-Watson.

2.11.        Outliers. Leverage.

2.12.        Multicolinearidade.

2.13.        Correlações parciais e múltiplas. Testes-F parciais e testes-F sequenciais.

2.14.        Selecção de variáveis e da melhor equação de regressão. Métodos de procura de um submodelo ajustado aos dados.

2.15.        Predição. Intervalos de predição individual. Intervalos de predição em média.

2.16.        Regressão não linear

  2.16.1. Regressão linear múltipla com transformação de variáveis.

  2.16.2. Regressão sem transformação de variáveis.

Utilização de software estatístico (SPSS e Excel). 

3. Análise de Variância

3.1.  Generalidades e princípios básicos do delineamento experimental.

3.2.  Os conceitos de factor, casualização e blocos, efeitos fixos e efeitos aleatórios, delineamentos equilibrados e delineamentos desequilibrados.

3.3.  Pressupostos da análise de variância.

3.4.  Teste à normalidade usando métodos gráficos.

3.5.  Teste de Kolmogorov-Smirnov para a normalidade.

3.6.  Teste de Levene para a homogeneidade de variâncias.

3.7.  Análise de Variância (Planeamento de experiências completamente aleatorizado).Modelo de efeitos fixos: delineamentos com 1 factor e 2 factores.Modelo de efeitos aleatórios: delineamentos com 1 factor e 2 factores.Modelo misto.

3.8.  Análise de variância dupla com e sem repetições.

3.9.  Testes de comparações múltiplas de médias: Scheffé e Tukey.

3.10.        Contrastes; contrastes ortogonais.

3.11.        Violação dos pressupostos da ANOVA.

3.12.        Alternativas não paramétricas à ANOVA: Teste de Kruskal-Wallis (alternativa não paramétrica para a ANOVA simples) e Teste de Friedman (alternativa não paramétrica para a comparação de populações a partir de amostras emparelhadas)Utilização de software estatístico (SPSS e Excel). 

4.            Testes de Ajustamento e de Independência (Tabelas de Contingência).

5.            Outros Testes Não Paramétricos.