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  >  LGRH

Análise de Dados (1 º Sem 2018/2019)

Código: L0122
Acrónimo: L0122
Nível: 1º 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 6.0 0.0 h/sem 54.0 h/sem 0.0 h/sem 0.0 h/sem 0.0 h/sem 0.0 h/sem 1.0 h/sem 55.0 h/sem 95.0 h/sem 0.0 h/sem 150.0 h/sem
Em vigor desde o ano letivo 2018/2019
Pré-requisitos Não existem
Objectivos Aplicar a análise de dados descritiva, inferencial e multivariada a problemas concretos dos domínios empresarial e económico.
Programa CP1: Análise descritiva e exploratória dos dados: tabelas, gráficos, medidas descritivas
- Dados univariados
- Dados bivariados
CP2: Análise inferencial dos dados
- Intervalos de confiança
- Ensaios de hipóteses: testes paramétricos e não paramétricos
CP3: Análise exploratória de dados multivariados
- Análise fatorial em componentes principais
- Análise de clusters
Processo de avaliação Avaliação periódica
- Dois exercícios a realizar em aula, com peso de 20% cada e com nota mínima de 7,5 val.
- Teste Final (peso de 60%) e nota mínima de 7,5 val
A avaliação periódica exige a presença em pelo menos 2/3 das aulas e serão aprovados os alunos que obtenham classificação final média mínima de 10 valores, desde que não obtenham nota inferior a 7,5 valores em cada momentos de avaliação.
Exame: Teste individual (componente teórica (70%)+ componente prática (30%)).

Processo de ensino-aprendizagem A metodologia de ensino-aprendizagem (ME) inclui três componentes:
ME1: Expositivas, para apresentação dos quadros teóricos de referência
ME2: Experimentais, em laboratório, com desenvolvimento e exploração de modelos em computador
ME3: Auto-estudo, relacionada com o trabalho autónomo do aluno, tal como consta no Planeamento das Aulas

Observações
Bibliografia básica 1. Joseph F. Hair, William C. Black, and Barry J. Babin, Multivariate data analysis: a global perspective, Pearson education, 7th ed., 2010.
2. Elizabeth Reis, Estatística Descritiva, 7ª ed., Edições Sílabo, 2008
3. Elizabeth Reis, Estatística Multivariada Aplicada, 2ª edição, 2001
4. Raul Laureano e Maria do Carmo Botelho.  SPSS - O Meu Manual de Consulta Rápida,Edições Sílabo, 3ª edição, 2017.
5. Raul Laureano (2013), Testes de Hipóteses com o SPSS - O Meu Manual de Consulta Rápida. Edições Sílabo, 2ª edição.
6. João Maroco,Análise Estatística com o SPSS 25,ReportNumber, 7ª edição, 2018.
Bibliografia complementar 1. Elizabeth Reis, Estatística Descritiva, 7ª ed., Edições Sílabo, 2008.
2. Elizabeth Reis, Paulo Melo, Rosa Andrade e Teresa Calapez, Estatística Aplicada, Vol. 2, 5ª ed., Edições Sílabo, 2016.
3. Paula Vicente, Estudos de Mercado e de Opinião, Edições Sílabo, 2012.
4. Paul Newbold, William Carlson, and Betty Thorne, Statistics for Business and Economics, 7th ed. 2009