Estatística Aplicada à Gestão II
Apresentação
Objetivos de Desenvolvimento Sustentável
Objetivos de Aprendizagem
Com esta disciplina pretende-se equipar o aluno com instrumentos necessários para analisar a relação estatística entre várias variáveis, sendo a disciplina direccionada para a aplicação concreta a casos no âmbito da Gestão e com utilização de software estatístico.
O aluno deverá ser capaz de:
• Identificar relações e associações entre variáveis.
• Seleccionar o modelo de regressão mais adequado e aprendizagem de técnicas de ajuste e validação de modelos.
• Validar os pressupostos das diferentes abordagens paramétricas.
• Reconhecer a saber aplicar alternativas não paramétricas quando não forem válidos os pressupostos.
• Seleccionar e aplicar os métodos e modelos estatísticos apropriados de modo a obter conclusões que auxiliem a tomada de decisão aos mais variados níveis em contextos de incerteza.
• Aprender de forma autónoma fomentando a adaptação a novas situações.
• Desenvolver o espírito crítico.
• Utilizar correctamente e racionalmente software estatístico, nomeadamente softwares como o SPSS e o Excel.
Conteúdos Programáticos
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.
Métodos de Ensino
· Aulas teórico-práticas predominantemente leccionadas no quadro, com suporte de ferramentas de e-learning e utilização de diapositivos.
· Introdução dos conceitos teóricos recorrendo a exemplos de aplicação directa na área da Gestão, procurando mostrar a relevância dos conteúdos programáticos.
· Exercícios direccionados para a área da Gestão, focando a resolução de problemas actuais e reais, com o objectivo de desenvolver o gosto e interesse pela disciplina e mostrar a sua utilidade.
· Procurar a dinamização das aulas pelos alunos através de trabalhos individuais e em grupo na aula e em casa.
· Motivar a ida às aulas e o trabalho contínuo do aluno.
· Enfoque na interpretação e análise de dados recorrendo sempre que possível a “outputs” do software utilizado.
Avaliação
• O regime de avaliação contínua consiste na realização de 2 frequências.
• Em cada frequência o aluno(a) terá que ter uma nota superior ou igual a 8 valores.
• A nota final será a média aritmética das notas obtidas nas duas frequências.
• Para obter aprovação à disciplina a nota final deverá ser igual ou superior a 9.5 valores e ter assistido a pelo menos 75% das aulas.
• Caso o aluno(a) não realize uma das frequências, opta automaticamente pelo regime de avaliação por Exame Final.
Avaliação por Exame Final
• O regime de avaliação por Exame Final em Época Normal consiste na realização de uma chamada.
• A nota final no regime por avaliação por Exame terá que ser igual ou superior a 9.5 valores e o aluno deve ter frequentado pelo menos 75% das aulas para obter aprovação à unidade curricular.
• A matéria para avaliação será toda aquela lecionada durante o semestre.
Exame Recurso
• Caso o aluno não tenha obtido aprovação poderá realizar um Exame de Recurso.
Bibliografia
· Bryman, A. e Cramer, D. Análise de Dados em Ciências Sociais, Introdução às técnicas utilizando o SPSS.
· Casella, G. e Berger, R. L. (1990): Statistical Inference, Duxbury Press, California.
· Fonseca, J. (2001). Estatística Matemática. Vol. II, Edições Sílabo.
· Guimarães, R. C. e Cabral, J.S. (1997). Estatística, McGraw-Hill, Lisboa.
· Griffiths, W. E., Hill, R. C. e Judge, G. G. (1993): Learning and practicing econometrics, John Wiley & Sons, Nova Iorque.
· Hill, C., Griffiths, W. e Judge, G. (1997): Undergraduate Econometrics, John Wiley & Sons, Inc., Nova Iorque.
· Hines, W. W.; Montgomery, D. C. (1990). Probability and Statistics in Engineering and Management Science, 3rd Ed., John Wiley.
*· Hoaglin, D. C., Mosteller, F. e Tukey, J. (1992). Análise Exploratória de Dados. Técnicas Robustas – um Guia, Edições Salamandra, Lisboa.
· Maroco, J. (2003). Análise Estatística, Com utilização do SPSS. Edições Sílabo.
· Maroco, João e Bispo, Regina (2003). Estatística Aplicada às Ciências Sociais e Humanas. Manuais Universitários, 27, climepsi editores.
· Murteira, Bento J. F. (1990). Probabilidades e Estatística, Vol. II, McGraw-Hill, Lisboa.
· Murteira, B., Ribeiro, C. Silva, J. e Pimenta, C. (2002). Introdução à Estatística, McGraw-Hill, Lisboa.
*· Newbold, P.; Carlson, W. L.; Thorne, B. (2003). Statistics for Business and Economics, 5th Ed., Prentice Hall.
*· Neter, J.; Kutner, N.; Nachtsheim, C.; Wasserman, W. (1996). Applied Linear Statistical Models, 4th Ed., Irwin.
· Neufeld, J. L. (2003). Estatística Aplicada à Administração usando o Excel. Prentice Hall.
· Pereira, A. (1999). SPSS: Guia prático de utilização - Análise de dados para Ciências Sociais e Psicologia. Edições Sílabo.
· Pestana, D. D. e Velosa, S. (2002). Introdução à Probabilidade e à Estatística, Vol.1, Fundação Calouste Gulbenkien, Lisboa.
· Pestana, Mª H. e Gageiro, J. N. (2003). Análise de Dados para as Ciências Sociais, A complementaridade do SPSS. 3ª Edição., Edições Sílabo.
· Pestana, Mª H. e Gageiro, J. N. (2005). Descobrindo a Regressão, Com a complementaridade do SPSS. Edições Sílabo.
· Pinto, J. C. C. e Curto, J. J. D. (1999). Estatística para Economia e Gestão, Instrumentos de Apoio à Tomada de Decisão, Edições Sílabo.
· Reis, E., Melo, P., Andrade, R. e Calapez, T. (2001). - Estatística Aplicada. Vol. I e II, 4ª Ed., Edições Sílabo.
· Wackerly, D. D., Mendenhall, W. e Scheaffer, R. L. (1996). “Mathematical Statistics with Applications”, 5ª edição, Duxbury Press, Califórnia.
· Webster, A. L. (2007). Estatística Aplicada à Administração e Economia. McGraw-Hill.
Equipa Docente
- Dulce Gamito Santinhos Pereira [responsável]
