Baixe o app para aproveitar ainda mais
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
Compartilhar