Plano de Ensino

IDENTIFICAÇÃO

EMENTA

Associação entre variáveis. Regressão Linear Simples. Regressão Linear Múltipla. Regressão Logística. Análise de Agrupamento.

JUSTIFICATIVA

A disciplina visa aprimorar no discente a capacidade de analisar, ajustar modelos e fazer previsões em problemas voltados a Administração. Dessa forma, espera-se que os discentes possam tomar decisões e apresentar soluções para determinado problema. Capacitar o aluno a interpretar dados de diversas fontes de conhecimento, bem como realizar as análises por meio de softwares estatísticos para tomada de decisões. Utilizar metodologias de Estatística para desenvolvimento de pesquisas na área profissionalizante.

OBJETIVO

PROGRAMA

1. Associação entre Variáveis

1.1 Correlação de Pearson.

1.2 Correlação de Spearman.

2. Regressão Linear Simples e Correlação

2.1 Modelo de regressão linear simples

2.2 Método dos mínimos quadrados ordinários na regressão linear simples

2.3 Testes de hipóteses e intervalos de confiança na regressão linear simples

2.4 Previsões com o modelo: média e novas observações

2.5 Adequação do modelo e análise residual

2.6 Uso de software estatístico  3. Regressão Linear Múltipla

3.1 Modelo de regressão linear múltipla

3.2 Método dos mínimos quadrados ordinários na regressão linear múltipla

3.3 Testes de hipóteses e intervalos de confiança na regressão linear múltipla

3.4 Previsões com o modelo: média e novas observações

3.5 Adequação do modelo e análise residual

3.6 Variáveis independentes categóricas

3.7 Multicolinearidade 4. Regressão Logística Simples e Múltipla

4.1 Conceitos básicos.

4.2 Estimativas e interpretação dos parâmetros do modelo.

4.3 Análise de regressão logística por meio do software (estudo de casos).

4.4 Testes dos parâmetros do modelo.

5. Análise de Agrupamento

5.1 Introdução: aplicações potenciais.

5.2 Objetivos da análise de agrupamentos.

5.3 Distâncias multivariadas.

5.4 Medidas de similaridade e dissimilaridades.

5.5 Métodos de obtenção de agrupamentos.

5.6 Métodos gráficos e visuais.

5.7 Interpretação de resultados de uma análise de agrupamento.

5.8 Análise de agrupamento por meio do software.5.9 Estudo de casos.

METODOLOGIA

O conteúdo da disciplina será desenvolvido através de aulas expositivas, usando quadro e giz e também recursos audiovisuais (data-show). Serão propostas listas de exercícios sobre os temas expostos em sala de aula. Aulas práticas no laboratório de informática serão realizadas para aplicação dos conteúdos estatisticos nos softwares.

O professor disponibilizará na plataforma moodle notas de aula,  listas de exercícios e materiais didáticos de apoio para complementar o aprendizado das aulas presencias.

- Para o atendimento extra-classe, será disponibilizado aos alunos uma hora de atendimento por semana, toda quinta-feira das 18 às 19 horas, individual ou em grupo com o professor de acordo com a necessidade de cada estudante.

Para completar a carga horária da disciplina, listas de exercícios serão propostas para compor as atividades assíncronas, totalizando 6h/aulas ao longo do semestre.

AVALIAÇÃO

Critérios de Avaliação:

Prova 1:  25 pontos    Data: 05/09/2023

Prova 2:  25 pontos     Data: 10/10/2023

Prova 3: 30 pontos      Data: 14/11/2023

Trabalhos: 20 pontos.

 Prova Substitutiva              Data: 21/11/2023

As avaliações serão de forma dissertativa e sem consulta. Cada questão terá uma pontuação conforme o seu desenvolvimento.   

Os trabalhos serão exercícios aplicados, resolvidos extra classe e com  consulta.

A nota final (NF) de cada estudante será dada pela soma das notas obtidas nas avaliações P1, P2, P3 e Trabalhos. A aprovação é obtida totalizando NF ≥ 60 pontos.

Para atender o art. 141 da Resolução CONGRAD 46/2022 o estudante que não obtiver o rendimento mínimo para aprovação e com frequência mínima de 75% (setenta e cinco por cento) na disciplina poderá realizar uma Prova Substitutiva, que substituirá a menor das notas obtidas entre as provas realizadas. Alunos aprovados somente com a realização da prova substitutiva terão nota final igual a 60 pontos.

BIBLIOGRAFIA

Básica

-CORRAR. L. J.; PAULO, E.; DIAS FILHO, J. M. Análise multivariada: para os cursos de administração, ciênciascontábeis e economia. São Paulo: Editora Atlas. 2007.

-LARSON, R.; FARBER, B. Estatística aplicada. Tradução José Fernando Pereira Gonçalves. 6. ed. São Paulo: Prentice Hall, 2016.

-MINGOTI, S. A. Análise de dados através de métodos de estatística multivariada: uma abordagem aplicada.Belo Horizonte: Ed. da UFMG, 2005.

-TRIOLA, M. F. Introdução à estatística. 11. ed. Rio de Janeiro: LTC, 2013. 3.

Complementar

-ANDERSON, D. R.; SWEENEY, D. J.; WILLIAMS, T. A. estatística aplicada à administração e economia. 2. ed. São Paulo: Thomson Learning, 2007.

-BUSSAB, W. O.; MORETTIN, P. A. Estatística básica. 8. ed. São Paulo: Saraiva, 2013.

-HAIR, J. F.; ANDERSON, R. E. ; TATHAM, R. L.; BLACK, W. C. Analise multivariada de dados. 5. ed. Porto Alegre: Bookman, 2006.

-HOFFMAN. R. ; VIEIRA. S. Análise de regressão: uma introdução à econometria. São Paulo: Haucitec, 1987.

-MONTGOMERY, D. C. Design and Analysis of Experiments. 6. ed. Hoboken: John Wiley, 2005.

-MONTGOMERY, D. C. ; RUNGER, G. C. Estatística aplicada e probabilidade para engenheiros. 2. ed. Rio de Janeiro: LTC editora, 2008.

APROVAÇÃO

Aprovado em reunião do Colegiado realizada em: ____/____/______

Coordenação do Curso de Graduação: _________________________

---

Documento assinado eletronicamente por Nadia Giaretta Biase, Professor(a) do Magistério Superior, em 02/08/2023, às 16:05, conforme horário oficial de Brasília, com fundamento no art. 6º, § 1º, do Decreto nº 8.539, de 8 de outubro de 2015.

---

A autenticidade deste documento pode ser conferida no site https://www.sei.ufu.br/sei/controlador_externo.php?acao=documento_conferir&id_orgao_acesso_externo=0, informando o código verificador 4696234 e o código CRC BF43177C.

---