Aviso: Se está a ler esta mensagem, provavelmente, o browser que utiliza não é compatível com os "standards" recomendados pela W3C. Sugerimos vivamente que actualize o seu browser para ter uma melhor experiência de utilização deste "website". Mais informações em webstandards.org.

Warning: If you are reading this message, probably, your browser is not compliant with the standards recommended by the W3C. We suggest that you upgrade your browser to enjoy a better user experience of this website. More informations on webstandards.org.

Sub Menu
ISCTE-IUL  >  Ensino  >  MGSI , MGSI

Técnicas Quantitativas de Análise de Dados (2 º Sem 2018/2019)

Código: 00567
Acrónimo: 00567
Nível: 2º Ciclo
Estruturante: Sim
Língua(s) de Ensino: Português
Língua(s) amigável(is):
Ser English-friendly ou qualquer outra língua-friendly, significa que a UC é leccionada numa língua mas que se pode verificar qualquer uma das seguintes condições:
1. Existem materiais de apoio em língua inglesa/outra língua;
2. Existem exercícios, testes e exames em língua inglesa/outra língua;
3. Existe a possibilidade de se apresentar trabalhos escritos ou orais em língua inglesa/outra língua.
1 6.0 12.0 h/sem 24.0 h/sem 0.0 h/sem 0.0 h/sem 0.0 h/sem 0.0 h/sem 1.0 h/sem 37.0 h/sem 113.0 h/sem 0.0 h/sem 150.0 h/sem
Em vigor desde o ano letivo 2018/2019
Pré-requisitos Nenhum.
Objectivos Transmitir aos alunos os conhecimentos necessários à aplicação das principais técnicas de análise de dados a problemas concretos no domínio empresarial.
Programa P1. Estatística descritiva com o IBM SPSS Statistics: revisões.
P2. Tópicos sobre a importância da inferência estatística na tomada de decisão.
2.1. Testes paramétricos.
2.2. Testes não paramétricos.
P3. Técnicas descritivas de dados multivariados.
3.1. Análise de componentes principais.
3.2. Análise de clusters.
P4. Técnicas preditivas de dados multivariados para regressão e/ou classificação.
P5. Aplicações no IBM SPSS Statistics e/ou Modeler.
Processo de avaliação Regime de avaliação pode ser feita em avaliação periódica ou por exame.
A avaliação periódica inclui a realização de:
a) Um teste com ponderação de 60% na nota final
b) Um trabalho de grupo com ponderação de 40%
A aprovação em avaliação periódica obriga à obtenção de nota mínima de 7,5 valores no teste individual e no trabalho de grupo.

A avaliação por exame inclui a realização de um teste escrito com peso de 100%.
Processo de ensino-aprendizagem A metodologia de ensino-aprendizagem (ME) inclui cinco componentes:
ME1: Expositivas, para apresentação dos quadros teóricos de referência.
ME2: Participativas, com análise de artigos científicos.
ME3: Ativas, com realização faseada do trabalho de grupo.
ME4: Experimentais, com desenvolvimento e exploração de aplicações em computador.
ME5: Auto-estudo, relacionadas com o trabalho autónomo do aluno.
Observações Toda a documentação necessária ao acompanhamento dos conteúdos leccionados na unidade de formação está disponível na plataforma de e-learning.
Bibliografia básica - Folhas de apoio às aulas elaboradas  pelo docente.
- Hair, J., Black, W., Babin, B. & Anderson, R. (2010). Multivariate Data Analysis, 7rd ed., Upper Saddle River: Pearson.
- Laureano, Raul M. S. (2013). Testes de Hipóteses com o SPSS: O meu Manual de Consulta Rápida, 2ª Edição, Lisboa: Edições Sílabo.
- Laureano, Raul & Maria do Carmo Botelho (2017). IBM SPSS Statistics: O Meu Manual de Consulta Rápida, 3ª Edição, Edições Sílabo.
- Larose, D. & Larose, C. (2015). Data Mining and Predictive Analytics (Wiley Series on Methods and Applications in Data Mining), 2nd Edition, Wiley.
Bibliografia complementar - Bowden, J. (2004). Writing a Report: How to Prepare, Write and Present Effective Reports, 7th Ed., UK: How To Books.
- Doane, David P. & Seward, Lori E. (2008). Estatística Aplicada à Administração e à Economia, McGraw-Hill.
- Field, A. (2009). Discovering Statistics Using SPSS, 3rd ed., London: Sage Publications.
- Maroco, João (2018). Análise Estatística com o SPSS Statistics 25, 7ª Edição, Report Number.
- Santos, M. & Ramos, I. (2009). Business Intelligence: Tecnologias da Informação na Gestão de Conhecimento, 2ª Edição, FCA.
- Wendler, T. & Gröttrup, S. (2016). Data Mining with SPSS Modeler: Theory, Exercises and Solutions, Springer.