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  >  SAG

Aplicações de Regressão na Gestão (1 º Sem 2019/2020)

Código: 02923
Acrónimo: 02923
Nível: 2º Ciclo
Estruturante: Não
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 3.0 0.0 h/sem 10.0 h/sem 0.0 h/sem 0.0 h/sem 4.0 h/sem 0.0 h/sem 1.0 h/sem 15.0 h/sem 60.0 h/sem 0.0 h/sem 75.0 h/sem
Em vigor desde o ano letivo 2016/2017
Pré-requisitos Não existem
Objectivos Introduzir as técnicas de regressão e aplicações no contexto empresarial.
Saber interpretar e usar técnicas de regressão na aplicação ao negócio.


Programa CP1. Modelo de Regressão Linear;
CP1.1 Contexto Histórico e Motivação
CP1.2 Introdução ao modelo de regressão linear
CP1.3 Tópicos de regressão
CP1.4 Interpretação e inferência
CP1.5 Principais problemas e cuidados a ter
CP2. Aplicações de Negócio;
CP3. Outras técnicas;
CP4. Exercícios.
Processo de avaliação A avaliação contínua inclui a realização de:
a) Trabalho de grupo com ponderação de 40%.
(OA 1, 2, 3, 4, 5,6,7).
b) Avaliação Individual escrita do aluno de 60%.
(OA 1, 2, 3, 4, 5,6,7).


A avaliação contínua exige a presença em, pelo menos, 60% das aulas.

Os alunos em avaliação contínua que não obtenham a nota mínima de 10 valores serão remetidos para exame final (100%).
Processo de ensino-aprendizagem Todas as aulas são teórico-práticas e decorrem no laboratório de informática.
Serão utilizadas as seguintes(ME):
ME1. Expositivas, apresentação dos quadros teóricos de referência.
ME2. Participativas,análise de artigos científicos e case studies.
ME3. Ativas,realização de trabalho de grupo
ME4. Experimentais, em laboratório,desenvolvimento e exploração de "modelos" em computador
ME5. Auto-estudo, relacionado com o trabalho autónomo (TA) do aluno

Observações
Bibliografia básica Folhas de apoio às aulas elaboradas pelo docente
Documentos, manuais e guias de utilização indicados e/ou disponibilizados pelo docente
Artigos científicos indicados e/ou disponibilizados pelo docente

Caiado, J. (2016), Métodos de Previsão em Gestão com aplicações em Excel, 2ª Edição, Edições Sílabo

Hair, J., Anderson, R., Black, B., Babin, B. (2016),  Multivariate Data Analysis , 7th Edition,  Pearson Education

Larose, C., Larose, D. (2014), Discovering Knowledge in Data, 2nd Edition, John Wiley & Sons Inc

Richardson, R (2015), Business Applications of Multiple Regression, 2nd Edition, Business Expert Press

Wooldridge, J. (2015),  Introductory Econometrics: A Modern Approach , 6th Edition,  Cengage Learning
Bibliografia complementar