Plano de Ensino ANÁLISE DE DADOS estacio

Prévia do material em texto

Plano de Ensino
1 Código e nome da disciplina
DGT0229 ANÁLISE DE DADOS
2 Carga horária semestral
3 Carga horária semanal
4 Perfil docente
O docente responsável pela disciplina deve ser Graduado em Engenharia ou em Matemática,
preferencialmente com pós­graduação stricto sensu, e com Currículo LATTES atualizado. O professor
deve ter um perfil agregador, sendo capaz de conciliar a teoria matemática/estatística com a
aplicabilidade em problemas reais na engenharia e áreas afins.
5 Ementa
ANÁLISE DE DADOS QUANTITATIVOS; PROBABILIDADES; VARIÁVEIS ALEATÓRIAS
DISCRETAS UNIDIMENSIONAIS; VARIÁVEIS ALEATÓRIAS CONTÍNUAS
UNIDIMENSIONAIS; TESTES DE HIPÓTESE; MODELO BÁSICO DE REGRESSÃO LINEAR.
6 Objetivos
O componente curricular ANÁLISE DE DADOS, através demodelos e métodos estatísticos e
computacionais ajustados à realidade da gestãonas organizações, capacitará o estudante a desenvolver
conhecimento aplicado ao processo de tomada de decisão, coletando, processando, explorando e
entendendo os dados; buscando encontrar padrões, tendências, variações e diferenças em amostras;
identificando, confirmando ou rejeitando hipóteses sobre causas ou falhas; apresentando informações
para a tomada de decisões, na resolução de problemas da organização e seu negócio. Para tanto, será
desenvolvido de forma aplicada, em casos e problemas da Administração de Empresas, seus processos
de operação e gestão do negócio, buscandocapacitar o estudante a estruturar, processar e analisar
dados através da estatística para a tomada de decisões, como competência e habilidade do
administrador na análise de problemas, com aplicação de métodos computacionais e quantitativos.
Assim, este componente curricular não será ministrado como um curso de estatística e nem de
informática. Estatística descritiva, informática básica e domínio em MS­Excel básico são pré­
requisitos desejáveis.
1. Conhecer e assimilar conceitos e terminologia básica em análise de dados e tomada de decisões na
organização. 2. Compreender o contexto de complexidade tecnológica no âmbito da administração
estratégica. 3. Desenvolver competências analíticas e preditivas no processo decisório de
administração. 4. Reconhecer a importância da informação e do conhecimento como vantagens
competitivas e recursos estratégicos para as organizações. 5. Reconhecer as características das
organizações competitivas, eficazes e eficientes. 6. Compreender o processo de tomada de decisão
baseado na análise de dados para produção de informações e conhecimentos. 7. Produzir informações
e análises, visando a produtividade e a qualidade de bens e serviços; 8. Produzir e utilizar informações
estratégicas, identificando, analisando tendências e impactos, para apoiar a tomada de decisão de
gestores; 9. Solucionar problemas através de aplicações práticas; 10. Desenvolver um modelo
cognitivo, teórico e pragmático de análise, interpretação e aplicação das unidades de conhecimento do
componente curricular.
7 Procedimentos de ensino­aprendizagem 
Aulas interativas em ambiente virtual de aprendizagem, didaticamente planejadas para o
desenvolvimento de competências, tornando o processo de aprendizado mais significativo para os
alunos. Na sala de aula virtual, a metodologia de ensino contempla diversas estratégias capazes de
alcançar os objetivos da disciplina. Os temas das aulas são discutidos e apresentados em diversos
formatos como leitura de textos, vídeos, hipertextos, links orientados para pesquisa, estudos de caso,
podcasts, atividades animadas de aplicação do conhecimento, simuladores virtuais, quiz interativo,
simulados, biblioteca virtual e Explore + para que o aluno possa explorar conteúdos complementares e
aprofundar seu conhecimento sobre as temáticas propostas.
8 Temas de aprendizagem
1.   ANÁLISE DE DADOS QUANTITATIVOS
1.1 FERRAMENTAS DE ANÁLISE EXPLORATÓRIA DE DADOS
1.2 MEDIDAS DE POSIÇÃO OU TENDÊNCIA CENTRAL
1.3 MEDIDAS DE DISPERSÃO OU VARIABILIDADE
2.   PROBABILIDADES
2.1 CONCEITOS BÁSICOS DE PROBABILIDADE
2.2 CÁLCULOS PARA RESOLUÇÃO DE PROBLEMAS SIMPLES DE PROBABILIDADE
2.3 PRINCIPAIS REGRAS DA TEORIA DAS PROBABILIDADES
2.4 EVENTOS CONDICIONAIS COM BASE NA RESOLUÇÃO DE PROBLEMAS ASSOCIADOS
A ELES
3.   VARIÁVEIS ALEATÓRIAS DISCRETAS UNIDIMENSIONAIS
3.1 OS CONCEITOS DE VARIÁVEIS ALEATÓRIAS DISCRETAS UNIDIMENSIONAIS
3.2 AS DISTRIBUIÇÕES DE BERNOULLI E BINOMIAL
3.3 AS DISTRIBUIÇÕES GEOMÉTRICA E HIPERGEOMÉTRICA
3.4 A DISTRIBUIÇÃO DE POISSON
4.   VARIÁVEIS ALEATÓRIAS CONTÍNUAS UNIDIMENSIONAIS
4.1 OS CONCEITOS DE VARIÁVEIS ALEATÓRIAS CONTÍNUAS
4.2 A DISTRIBUIÇÃO UNIFORME
4.3 A DISTRIBUIÇÃO EXPONENCIAL
4.4 A DISTRIBUIÇÃO NORMAL
5.   TESTES DE HIPÓTESE
5.1 ASPECTOS CONCEITUAIS E APLICAÇÕES DE INTERVALOS DE CONFIANÇA
5.2 ASPECTOS CONCEITUAIS E APLICAÇÕES DE TESTES DE HIPÓTESE
6.   MODELO BÁSICO DE REGRESSÃO LINEAR
6.1 A ÁREA DE ECONOMETRIA E A ABORDAGEM EMPÍRICA PARA PROBLEMAS
SOCIOECONÔMICOS
6.2 CONCEITOS BÁSICOS DOS ESTIMADORES DE MÍNIMOS QUADRADOS ORDINÁRIOS
9 Procedimentos de avaliação
Nesta disciplina, o aluno será avaliado pelo seu desempenho nas avaliações (AV ou AVS), sendo a
cada uma delas atribuído o grau de 0,0 (zero) a 10,0 (dez). O discente conta ainda com uma atividade
sob a forma de simulado, que busca aprofundar seus conhecimentos acerca dos conteúdos
apreendidos, realizada online, na qual é atribuído grau de 0,0 (zero) a 2,0 (dois). Esta nota poderá ser
somada à nota de AV e/ou AVS, caso o aluno obtenha nestas avaliações nota mínima igual ou maior do
que 4,0 (quatro). 
Os instrumentos para avaliação da aprendizagem constituem­se em diferentes níveis de complexidade
e cognição, efetuando­se a partir de questões que compõem o banco da disciplina. O aluno realiza uma
prova (AV), com todo o conteúdo estudado e discutido nos diversos materiais que compõem a
disciplina. Será considerado aprovado o aluno que obtiver nota igual ou superior a 6,0 (seis). Caso o
aluno não alcance o grau 6,0 na AV, ele poderá fazer uma nova avaliação (AVS), que abrangerá todo o
conteúdo e cuja nota mínima necessária deverá ser 6,0 (seis). As avaliações serão realizadas de acordo
com o calendário acadêmico institucional.
10 Bibliografia básica
BONAFINI, Fernanda (Org.). Estatística. São Paulo: Pearson, 2012
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/3052
FERREIRA, Valéria Aparecida Martins. Estatística básica. Rio de Janeiro: SESES, 2016
Disponível em: https://repositoriov2.azurewebsites.net/api/objetos/efetuaDownload/72d811a3­77cf­
4900­bbc5­dd0acd196c3d
MONTGOMERY, Douglas C.; RUNGER, George C. Estatística aplicada e probabilidade para
engenheiros. Rio de Janeiro: LTC, 2016
Disponível em: https://integrada.minhabiblioteca.com.br/books/9788521632542
11 Bibliografia complementar
BONAFINI, Fernanda Cesar (Org.). Matemática e estatística. São Paulo: Pearson, 2014
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/26526
CASTANHEIRA, Nelson Pereira. Estatística aplicada a todos os níveis. Curitiba: Intersaberes, 2012
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/6078
DEVORE, Jay L. Probabilidade e estatística para engenharia e ciências.. São Paulo: Cengage
Learning, 2018
Disponível em: https://integrada.minhabiblioteca.com.br/books/9788522128044
LARSON, Ron; FARBER, Betsy. Estatística aplicada. São Paulo: Pearson, 2015
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/36874
LEVINE, David M.; STEPHAN, David F.; SZABAT, Kathryn A. Estatística: teoria e aplicações
usando MS Excel em português. Rio de Janeiro: LTC, 2016
Disponível em: https://integrada.minhabiblioteca.com.br/books/9788521631972
Plano de Ensino
1 Código e nome da disciplina
DGT0229 ANÁLISE DE DADOS
2 Carga horária semestral
3 Carga horária semanal
4 Perfil docente
O docente responsável pela disciplina deve ser Graduado em Engenharia ou em Matemática,
preferencialmente com pós­graduação stricto sensu, e com Currículo LATTES atualizado. O professor
deve ter um perfil agregador, sendo capaz de conciliar a teoria matemática/estatísticacom a
aplicabilidade em problemas reais na engenharia e áreas afins.
5 Ementa
ANÁLISE DE DADOS QUANTITATIVOS; PROBABILIDADES; VARIÁVEIS ALEATÓRIAS
DISCRETAS UNIDIMENSIONAIS; VARIÁVEIS ALEATÓRIAS CONTÍNUAS
UNIDIMENSIONAIS; TESTES DE HIPÓTESE; MODELO BÁSICO DE REGRESSÃO LINEAR.
6 Objetivos
O componente curricular ANÁLISE DE DADOS, através demodelos e métodos estatísticos e
computacionais ajustados à realidade da gestãonas organizações, capacitará o estudante a desenvolver
conhecimento aplicado ao processo de tomada de decisão, coletando, processando, explorando e
entendendo os dados; buscando encontrar padrões, tendências, variações e diferenças em amostras;
identificando, confirmando ou rejeitando hipóteses sobre causas ou falhas; apresentando informações
para a tomada de decisões, na resolução de problemas da organização e seu negócio. Para tanto, será
desenvolvido de forma aplicada, em casos e problemas da Administração de Empresas, seus processos
de operação e gestão do negócio, buscandocapacitar o estudante a estruturar, processar e analisar
dados através da estatística para a tomada de decisões, como competência e habilidade do
administrador na análise de problemas, com aplicação de métodos computacionais e quantitativos.
Assim, este componente curricular não será ministrado como um curso de estatística e nem de
informática. Estatística descritiva, informática básica e domínio em MS­Excel básico são pré­
requisitos desejáveis.
1. Conhecer e assimilar conceitos e terminologia básica em análise de dados e tomada de decisões na
organização. 2. Compreender o contexto de complexidade tecnológica no âmbito da administração
estratégica. 3. Desenvolver competências analíticas e preditivas no processo decisório de
administração. 4. Reconhecer a importância da informação e do conhecimento como vantagens
competitivas e recursos estratégicos para as organizações. 5. Reconhecer as características das
organizações competitivas, eficazes e eficientes. 6. Compreender o processo de tomada de decisão
baseado na análise de dados para produção de informações e conhecimentos. 7. Produzir informações
e análises, visando a produtividade e a qualidade de bens e serviços; 8. Produzir e utilizar informações
estratégicas, identificando, analisando tendências e impactos, para apoiar a tomada de decisão de
gestores; 9. Solucionar problemas através de aplicações práticas; 10. Desenvolver um modelo
cognitivo, teórico e pragmático de análise, interpretação e aplicação das unidades de conhecimento do
componente curricular.
7 Procedimentos de ensino­aprendizagem 
Aulas interativas em ambiente virtual de aprendizagem, didaticamente planejadas para o
desenvolvimento de competências, tornando o processo de aprendizado mais significativo para os
alunos. Na sala de aula virtual, a metodologia de ensino contempla diversas estratégias capazes de
alcançar os objetivos da disciplina. Os temas das aulas são discutidos e apresentados em diversos
formatos como leitura de textos, vídeos, hipertextos, links orientados para pesquisa, estudos de caso,
podcasts, atividades animadas de aplicação do conhecimento, simuladores virtuais, quiz interativo,
simulados, biblioteca virtual e Explore + para que o aluno possa explorar conteúdos complementares e
aprofundar seu conhecimento sobre as temáticas propostas.
8 Temas de aprendizagem
1.   ANÁLISE DE DADOS QUANTITATIVOS
1.1 FERRAMENTAS DE ANÁLISE EXPLORATÓRIA DE DADOS
1.2 MEDIDAS DE POSIÇÃO OU TENDÊNCIA CENTRAL
1.3 MEDIDAS DE DISPERSÃO OU VARIABILIDADE
2.   PROBABILIDADES
2.1 CONCEITOS BÁSICOS DE PROBABILIDADE
2.2 CÁLCULOS PARA RESOLUÇÃO DE PROBLEMAS SIMPLES DE PROBABILIDADE
2.3 PRINCIPAIS REGRAS DA TEORIA DAS PROBABILIDADES
2.4 EVENTOS CONDICIONAIS COM BASE NA RESOLUÇÃO DE PROBLEMAS ASSOCIADOS
A ELES
3.   VARIÁVEIS ALEATÓRIAS DISCRETAS UNIDIMENSIONAIS
3.1 OS CONCEITOS DE VARIÁVEIS ALEATÓRIAS DISCRETAS UNIDIMENSIONAIS
3.2 AS DISTRIBUIÇÕES DE BERNOULLI E BINOMIAL
3.3 AS DISTRIBUIÇÕES GEOMÉTRICA E HIPERGEOMÉTRICA
3.4 A DISTRIBUIÇÃO DE POISSON
4.   VARIÁVEIS ALEATÓRIAS CONTÍNUAS UNIDIMENSIONAIS
4.1 OS CONCEITOS DE VARIÁVEIS ALEATÓRIAS CONTÍNUAS
4.2 A DISTRIBUIÇÃO UNIFORME
4.3 A DISTRIBUIÇÃO EXPONENCIAL
4.4 A DISTRIBUIÇÃO NORMAL
5.   TESTES DE HIPÓTESE
5.1 ASPECTOS CONCEITUAIS E APLICAÇÕES DE INTERVALOS DE CONFIANÇA
5.2 ASPECTOS CONCEITUAIS E APLICAÇÕES DE TESTES DE HIPÓTESE
6.   MODELO BÁSICO DE REGRESSÃO LINEAR
6.1 A ÁREA DE ECONOMETRIA E A ABORDAGEM EMPÍRICA PARA PROBLEMAS
SOCIOECONÔMICOS
6.2 CONCEITOS BÁSICOS DOS ESTIMADORES DE MÍNIMOS QUADRADOS ORDINÁRIOS
9 Procedimentos de avaliação
Nesta disciplina, o aluno será avaliado pelo seu desempenho nas avaliações (AV ou AVS), sendo a
cada uma delas atribuído o grau de 0,0 (zero) a 10,0 (dez). O discente conta ainda com uma atividade
sob a forma de simulado, que busca aprofundar seus conhecimentos acerca dos conteúdos
apreendidos, realizada online, na qual é atribuído grau de 0,0 (zero) a 2,0 (dois). Esta nota poderá ser
somada à nota de AV e/ou AVS, caso o aluno obtenha nestas avaliações nota mínima igual ou maior do
que 4,0 (quatro). 
Os instrumentos para avaliação da aprendizagem constituem­se em diferentes níveis de complexidade
e cognição, efetuando­se a partir de questões que compõem o banco da disciplina. O aluno realiza uma
prova (AV), com todo o conteúdo estudado e discutido nos diversos materiais que compõem a
disciplina. Será considerado aprovado o aluno que obtiver nota igual ou superior a 6,0 (seis). Caso o
aluno não alcance o grau 6,0 na AV, ele poderá fazer uma nova avaliação (AVS), que abrangerá todo o
conteúdo e cuja nota mínima necessária deverá ser 6,0 (seis). As avaliações serão realizadas de acordo
com o calendário acadêmico institucional.
10 Bibliografia básica
BONAFINI, Fernanda (Org.). Estatística. São Paulo: Pearson, 2012
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/3052
FERREIRA, Valéria Aparecida Martins. Estatística básica. Rio de Janeiro: SESES, 2016
Disponível em: https://repositoriov2.azurewebsites.net/api/objetos/efetuaDownload/72d811a3­77cf­
4900­bbc5­dd0acd196c3d
MONTGOMERY, Douglas C.; RUNGER, George C. Estatística aplicada e probabilidade para
engenheiros. Rio de Janeiro: LTC, 2016
Disponível em: https://integrada.minhabiblioteca.com.br/books/9788521632542
11 Bibliografia complementar
BONAFINI, Fernanda Cesar (Org.). Matemática e estatística. São Paulo: Pearson, 2014
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/26526
CASTANHEIRA, Nelson Pereira. Estatística aplicada a todos os níveis. Curitiba: Intersaberes, 2012
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/6078
DEVORE, Jay L. Probabilidade e estatística para engenharia e ciências.. São Paulo: Cengage
Learning, 2018
Disponível em: https://integrada.minhabiblioteca.com.br/books/9788522128044
LARSON, Ron; FARBER, Betsy. Estatística aplicada. São Paulo: Pearson, 2015
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/36874
LEVINE, David M.; STEPHAN, David F.; SZABAT, Kathryn A. Estatística: teoria e aplicações
usando MS Excel em português. Rio de Janeiro: LTC, 2016
Disponível em: https://integrada.minhabiblioteca.com.br/books/9788521631972
Plano de Ensino
1 Código e nome da disciplina
DGT0229 ANÁLISE DE DADOS
2 Carga horária semestral
3 Carga horária semanal
4 Perfil docente
O docente responsável pela disciplina deve ser Graduado em Engenharia ou em Matemática,
preferencialmente com pós­graduação stricto sensu, e com Currículo LATTES atualizado. O professor
deve ter um perfil agregador, sendo capaz de conciliar a teoria matemática/estatística com a
aplicabilidade em problemas reais na engenharia e áreas afins.
5 Ementa
ANÁLISE DE DADOS QUANTITATIVOS; PROBABILIDADES; VARIÁVEIS ALEATÓRIAS
DISCRETAS UNIDIMENSIONAIS; VARIÁVEIS ALEATÓRIAS CONTÍNUAS
UNIDIMENSIONAIS; TESTES DE HIPÓTESE; MODELO BÁSICO DE REGRESSÃO LINEAR.
6 Objetivos
O componente curricular ANÁLISE DE DADOS, através demodelos e métodos estatísticos e
computacionais ajustados à realidade dagestãonas organizações, capacitará o estudante a desenvolver
conhecimento aplicado ao processo de tomada de decisão, coletando, processando, explorando e
entendendo os dados; buscando encontrar padrões, tendências, variações e diferenças em amostras;
identificando, confirmando ou rejeitando hipóteses sobre causas ou falhas; apresentando informações
para a tomada de decisões, na resolução de problemas da organização e seu negócio. Para tanto, será
desenvolvido de forma aplicada, em casos e problemas da Administração de Empresas, seus processos
de operação e gestão do negócio, buscandocapacitar o estudante a estruturar, processar e analisar
dados através da estatística para a tomada de decisões, como competência e habilidade do
administrador na análise de problemas, com aplicação de métodos computacionais e quantitativos.
Assim, este componente curricular não será ministrado como um curso de estatística e nem de
informática. Estatística descritiva, informática básica e domínio em MS­Excel básico são pré­
requisitos desejáveis.
1. Conhecer e assimilar conceitos e terminologia básica em análise de dados e tomada de decisões na
organização. 2. Compreender o contexto de complexidade tecnológica no âmbito da administração
estratégica. 3. Desenvolver competências analíticas e preditivas no processo decisório de
administração. 4. Reconhecer a importância da informação e do conhecimento como vantagens
competitivas e recursos estratégicos para as organizações. 5. Reconhecer as características das
organizações competitivas, eficazes e eficientes. 6. Compreender o processo de tomada de decisão
baseado na análise de dados para produção de informações e conhecimentos. 7. Produzir informações
e análises, visando a produtividade e a qualidade de bens e serviços; 8. Produzir e utilizar informações
estratégicas, identificando, analisando tendências e impactos, para apoiar a tomada de decisão de
gestores; 9. Solucionar problemas através de aplicações práticas; 10. Desenvolver um modelo
cognitivo, teórico e pragmático de análise, interpretação e aplicação das unidades de conhecimento do
componente curricular.
7 Procedimentos de ensino­aprendizagem 
Aulas interativas em ambiente virtual de aprendizagem, didaticamente planejadas para o
desenvolvimento de competências, tornando o processo de aprendizado mais significativo para os
alunos. Na sala de aula virtual, a metodologia de ensino contempla diversas estratégias capazes de
alcançar os objetivos da disciplina. Os temas das aulas são discutidos e apresentados em diversos
formatos como leitura de textos, vídeos, hipertextos, links orientados para pesquisa, estudos de caso,
podcasts, atividades animadas de aplicação do conhecimento, simuladores virtuais, quiz interativo,
simulados, biblioteca virtual e Explore + para que o aluno possa explorar conteúdos complementares e
aprofundar seu conhecimento sobre as temáticas propostas.
8 Temas de aprendizagem
1.   ANÁLISE DE DADOS QUANTITATIVOS
1.1 FERRAMENTAS DE ANÁLISE EXPLORATÓRIA DE DADOS
1.2 MEDIDAS DE POSIÇÃO OU TENDÊNCIA CENTRAL
1.3 MEDIDAS DE DISPERSÃO OU VARIABILIDADE
2.   PROBABILIDADES
2.1 CONCEITOS BÁSICOS DE PROBABILIDADE
2.2 CÁLCULOS PARA RESOLUÇÃO DE PROBLEMAS SIMPLES DE PROBABILIDADE
2.3 PRINCIPAIS REGRAS DA TEORIA DAS PROBABILIDADES
2.4 EVENTOS CONDICIONAIS COM BASE NA RESOLUÇÃO DE PROBLEMAS ASSOCIADOS
A ELES
3.   VARIÁVEIS ALEATÓRIAS DISCRETAS UNIDIMENSIONAIS
3.1 OS CONCEITOS DE VARIÁVEIS ALEATÓRIAS DISCRETAS UNIDIMENSIONAIS
3.2 AS DISTRIBUIÇÕES DE BERNOULLI E BINOMIAL
3.3 AS DISTRIBUIÇÕES GEOMÉTRICA E HIPERGEOMÉTRICA
3.4 A DISTRIBUIÇÃO DE POISSON
4.   VARIÁVEIS ALEATÓRIAS CONTÍNUAS UNIDIMENSIONAIS
4.1 OS CONCEITOS DE VARIÁVEIS ALEATÓRIAS CONTÍNUAS
4.2 A DISTRIBUIÇÃO UNIFORME
4.3 A DISTRIBUIÇÃO EXPONENCIAL
4.4 A DISTRIBUIÇÃO NORMAL
5.   TESTES DE HIPÓTESE
5.1 ASPECTOS CONCEITUAIS E APLICAÇÕES DE INTERVALOS DE CONFIANÇA
5.2 ASPECTOS CONCEITUAIS E APLICAÇÕES DE TESTES DE HIPÓTESE
6.   MODELO BÁSICO DE REGRESSÃO LINEAR
6.1 A ÁREA DE ECONOMETRIA E A ABORDAGEM EMPÍRICA PARA PROBLEMAS
SOCIOECONÔMICOS
6.2 CONCEITOS BÁSICOS DOS ESTIMADORES DE MÍNIMOS QUADRADOS ORDINÁRIOS
9 Procedimentos de avaliação
Nesta disciplina, o aluno será avaliado pelo seu desempenho nas avaliações (AV ou AVS), sendo a
cada uma delas atribuído o grau de 0,0 (zero) a 10,0 (dez). O discente conta ainda com uma atividade
sob a forma de simulado, que busca aprofundar seus conhecimentos acerca dos conteúdos
apreendidos, realizada online, na qual é atribuído grau de 0,0 (zero) a 2,0 (dois). Esta nota poderá ser
somada à nota de AV e/ou AVS, caso o aluno obtenha nestas avaliações nota mínima igual ou maior do
que 4,0 (quatro). 
Os instrumentos para avaliação da aprendizagem constituem­se em diferentes níveis de complexidade
e cognição, efetuando­se a partir de questões que compõem o banco da disciplina. O aluno realiza uma
prova (AV), com todo o conteúdo estudado e discutido nos diversos materiais que compõem a
disciplina. Será considerado aprovado o aluno que obtiver nota igual ou superior a 6,0 (seis). Caso o
aluno não alcance o grau 6,0 na AV, ele poderá fazer uma nova avaliação (AVS), que abrangerá todo o
conteúdo e cuja nota mínima necessária deverá ser 6,0 (seis). As avaliações serão realizadas de acordo
com o calendário acadêmico institucional.
10 Bibliografia básica
BONAFINI, Fernanda (Org.). Estatística. São Paulo: Pearson, 2012
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/3052
FERREIRA, Valéria Aparecida Martins. Estatística básica. Rio de Janeiro: SESES, 2016
Disponível em: https://repositoriov2.azurewebsites.net/api/objetos/efetuaDownload/72d811a3­77cf­
4900­bbc5­dd0acd196c3d
MONTGOMERY, Douglas C.; RUNGER, George C. Estatística aplicada e probabilidade para
engenheiros. Rio de Janeiro: LTC, 2016
Disponível em: https://integrada.minhabiblioteca.com.br/books/9788521632542
11 Bibliografia complementar
BONAFINI, Fernanda Cesar (Org.). Matemática e estatística. São Paulo: Pearson, 2014
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/26526
CASTANHEIRA, Nelson Pereira. Estatística aplicada a todos os níveis. Curitiba: Intersaberes, 2012
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/6078
DEVORE, Jay L. Probabilidade e estatística para engenharia e ciências.. São Paulo: Cengage
Learning, 2018
Disponível em: https://integrada.minhabiblioteca.com.br/books/9788522128044
LARSON, Ron; FARBER, Betsy. Estatística aplicada. São Paulo: Pearson, 2015
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/36874
LEVINE, David M.; STEPHAN, David F.; SZABAT, Kathryn A. Estatística: teoria e aplicações
usando MS Excel em português. Rio de Janeiro: LTC, 2016
Disponível em: https://integrada.minhabiblioteca.com.br/books/9788521631972
Plano de Ensino
1 Código e nome da disciplina
DGT0229 ANÁLISE DE DADOS
2 Carga horária semestral
3 Carga horária semanal
4 Perfil docente
O docente responsável pela disciplina deve ser Graduado em Engenharia ou em Matemática,
preferencialmente com pós­graduação stricto sensu, e com Currículo LATTES atualizado. O professor
deve ter um perfil agregador, sendo capaz de conciliar a teoria matemática/estatística com a
aplicabilidade em problemas reais na engenharia e áreas afins.
5 Ementa
ANÁLISE DE DADOS QUANTITATIVOS; PROBABILIDADES; VARIÁVEIS ALEATÓRIAS
DISCRETAS UNIDIMENSIONAIS; VARIÁVEIS ALEATÓRIAS CONTÍNUAS
UNIDIMENSIONAIS; TESTES DE HIPÓTESE; MODELO BÁSICO DE REGRESSÃO LINEAR.
6 Objetivos
O componente curricular ANÁLISE DE DADOS, através demodelos e métodos estatísticos e
computacionais ajustados à realidade da gestãonas organizações, capacitará o estudante a desenvolver
conhecimento aplicado ao processo de tomada de decisão, coletando, processando, explorando e
entendendo os dados; buscando encontrar padrões, tendências, variações e diferenças em amostras;
identificando, confirmando ou rejeitando hipóteses sobre causas ou falhas; apresentando informações
para a tomada de decisões, na resolução de problemas da organizaçãoe seu negócio. Para tanto, será
desenvolvido de forma aplicada, em casos e problemas da Administração de Empresas, seus processos
de operação e gestão do negócio, buscandocapacitar o estudante a estruturar, processar e analisar
dados através da estatística para a tomada de decisões, como competência e habilidade do
administrador na análise de problemas, com aplicação de métodos computacionais e quantitativos.
Assim, este componente curricular não será ministrado como um curso de estatística e nem de
informática. Estatística descritiva, informática básica e domínio em MS­Excel básico são pré­
requisitos desejáveis.
1. Conhecer e assimilar conceitos e terminologia básica em análise de dados e tomada de decisões na
organização. 2. Compreender o contexto de complexidade tecnológica no âmbito da administração
estratégica. 3. Desenvolver competências analíticas e preditivas no processo decisório de
administração. 4. Reconhecer a importância da informação e do conhecimento como vantagens
competitivas e recursos estratégicos para as organizações. 5. Reconhecer as características das
organizações competitivas, eficazes e eficientes. 6. Compreender o processo de tomada de decisão
baseado na análise de dados para produção de informações e conhecimentos. 7. Produzir informações
e análises, visando a produtividade e a qualidade de bens e serviços; 8. Produzir e utilizar informações
estratégicas, identificando, analisando tendências e impactos, para apoiar a tomada de decisão de
gestores; 9. Solucionar problemas através de aplicações práticas; 10. Desenvolver um modelo
cognitivo, teórico e pragmático de análise, interpretação e aplicação das unidades de conhecimento do
componente curricular.
7 Procedimentos de ensino­aprendizagem 
Aulas interativas em ambiente virtual de aprendizagem, didaticamente planejadas para o
desenvolvimento de competências, tornando o processo de aprendizado mais significativo para os
alunos. Na sala de aula virtual, a metodologia de ensino contempla diversas estratégias capazes de
alcançar os objetivos da disciplina. Os temas das aulas são discutidos e apresentados em diversos
formatos como leitura de textos, vídeos, hipertextos, links orientados para pesquisa, estudos de caso,
podcasts, atividades animadas de aplicação do conhecimento, simuladores virtuais, quiz interativo,
simulados, biblioteca virtual e Explore + para que o aluno possa explorar conteúdos complementares e
aprofundar seu conhecimento sobre as temáticas propostas.
8 Temas de aprendizagem
1.   ANÁLISE DE DADOS QUANTITATIVOS
1.1 FERRAMENTAS DE ANÁLISE EXPLORATÓRIA DE DADOS
1.2 MEDIDAS DE POSIÇÃO OU TENDÊNCIA CENTRAL
1.3 MEDIDAS DE DISPERSÃO OU VARIABILIDADE
2.   PROBABILIDADES
2.1 CONCEITOS BÁSICOS DE PROBABILIDADE
2.2 CÁLCULOS PARA RESOLUÇÃO DE PROBLEMAS SIMPLES DE PROBABILIDADE
2.3 PRINCIPAIS REGRAS DA TEORIA DAS PROBABILIDADES
2.4 EVENTOS CONDICIONAIS COM BASE NA RESOLUÇÃO DE PROBLEMAS ASSOCIADOS
A ELES
3.   VARIÁVEIS ALEATÓRIAS DISCRETAS UNIDIMENSIONAIS
3.1 OS CONCEITOS DE VARIÁVEIS ALEATÓRIAS DISCRETAS UNIDIMENSIONAIS
3.2 AS DISTRIBUIÇÕES DE BERNOULLI E BINOMIAL
3.3 AS DISTRIBUIÇÕES GEOMÉTRICA E HIPERGEOMÉTRICA
3.4 A DISTRIBUIÇÃO DE POISSON
4.   VARIÁVEIS ALEATÓRIAS CONTÍNUAS UNIDIMENSIONAIS
4.1 OS CONCEITOS DE VARIÁVEIS ALEATÓRIAS CONTÍNUAS
4.2 A DISTRIBUIÇÃO UNIFORME
4.3 A DISTRIBUIÇÃO EXPONENCIAL
4.4 A DISTRIBUIÇÃO NORMAL
5.   TESTES DE HIPÓTESE
5.1 ASPECTOS CONCEITUAIS E APLICAÇÕES DE INTERVALOS DE CONFIANÇA
5.2 ASPECTOS CONCEITUAIS E APLICAÇÕES DE TESTES DE HIPÓTESE
6.   MODELO BÁSICO DE REGRESSÃO LINEAR
6.1 A ÁREA DE ECONOMETRIA E A ABORDAGEM EMPÍRICA PARA PROBLEMAS
SOCIOECONÔMICOS
6.2 CONCEITOS BÁSICOS DOS ESTIMADORES DE MÍNIMOS QUADRADOS ORDINÁRIOS
9 Procedimentos de avaliação
Nesta disciplina, o aluno será avaliado pelo seu desempenho nas avaliações (AV ou AVS), sendo a
cada uma delas atribuído o grau de 0,0 (zero) a 10,0 (dez). O discente conta ainda com uma atividade
sob a forma de simulado, que busca aprofundar seus conhecimentos acerca dos conteúdos
apreendidos, realizada online, na qual é atribuído grau de 0,0 (zero) a 2,0 (dois). Esta nota poderá ser
somada à nota de AV e/ou AVS, caso o aluno obtenha nestas avaliações nota mínima igual ou maior do
que 4,0 (quatro). 
Os instrumentos para avaliação da aprendizagem constituem­se em diferentes níveis de complexidade
e cognição, efetuando­se a partir de questões que compõem o banco da disciplina. O aluno realiza uma
prova (AV), com todo o conteúdo estudado e discutido nos diversos materiais que compõem a
disciplina. Será considerado aprovado o aluno que obtiver nota igual ou superior a 6,0 (seis). Caso o
aluno não alcance o grau 6,0 na AV, ele poderá fazer uma nova avaliação (AVS), que abrangerá todo o
conteúdo e cuja nota mínima necessária deverá ser 6,0 (seis). As avaliações serão realizadas de acordo
com o calendário acadêmico institucional.
10 Bibliografia básica
BONAFINI, Fernanda (Org.). Estatística. São Paulo: Pearson, 2012
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/3052
FERREIRA, Valéria Aparecida Martins. Estatística básica. Rio de Janeiro: SESES, 2016
Disponível em: https://repositoriov2.azurewebsites.net/api/objetos/efetuaDownload/72d811a3­77cf­
4900­bbc5­dd0acd196c3d
MONTGOMERY, Douglas C.; RUNGER, George C. Estatística aplicada e probabilidade para
engenheiros. Rio de Janeiro: LTC, 2016
Disponível em: https://integrada.minhabiblioteca.com.br/books/9788521632542
11 Bibliografia complementar
BONAFINI, Fernanda Cesar (Org.). Matemática e estatística. São Paulo: Pearson, 2014
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/26526
CASTANHEIRA, Nelson Pereira. Estatística aplicada a todos os níveis. Curitiba: Intersaberes, 2012
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/6078
DEVORE, Jay L. Probabilidade e estatística para engenharia e ciências.. São Paulo: Cengage
Learning, 2018
Disponível em: https://integrada.minhabiblioteca.com.br/books/9788522128044
LARSON, Ron; FARBER, Betsy. Estatística aplicada. São Paulo: Pearson, 2015
Disponível em: https://plataforma.bvirtual.com.br/Leitor/Publicacao/36874
LEVINE, David M.; STEPHAN, David F.; SZABAT, Kathryn A. Estatística: teoria e aplicações
usando MS Excel em português. Rio de Janeiro: LTC, 2016
Disponível em: https://integrada.minhabiblioteca.com.br/books/9788521631972