Análise de Dados / Data Analysis
6.2.1.2. Docente responsável e respectivas horas de contacto na unidade curricular (preencher o nome completo):
Paulo Jorge Mota de Pinho Gomes (2h/semana 2h/week)
6.2.1.3. Outros docentes e respectivas horas de contacto na unidade curricular:
N/A
6.2.1.3. Other academic staff and lecturing load in the curricular unit:
N/A
6.2.1.4. Objectivos de aprendizagem (conhecimentos, aptidões e competências a desenvolver pelos estudantes):
No final da unidade curricular, os alunos deverão ser capazes de:
OA1. Conhecer e compreender as principais técnicas de Análise Estatística Descritiva Multivariada. OA2. Ser capazes de aplicar estas técnicas no desenvolvimento de análises univariadas, bivariadas e multivariadas associadas a matrizes de dados com variáveis quantitativas ou qualitativas.
OA3. Ser capazes de utilizar o software SAS Enterprise Guide no tratamento estatístico de dados reais multivariados.
6.2.1.4. Learning outcomes of the curricular unit:
At the end of the unit students should be able to:
LO1. To know and to understand the main techniques of Multivariate Descriptive Statistical Analysis. LO2. To be able to apply these techniques in the development of univariate, bivariate and multivariate data associated with quantitative or qualitative variables.
LO3. To be able to use the SAS Enterprise Guide software for the statistical analysis of multivariate real data.
6.2.1.5. Conteúdos programáticos:
Unidades de aprendizagem (UA): UA1. Introdução.
UA2. Análise em componentes principais descritiva (ACP):objetivo e âmbito do método interpretação
geométrica da ACP ajustamento da nuvem de pontos-objeto no espaço p-dimensional interpretação extensão – dupla análise em componentes principais para análise cúbica de dados aplicações.
UA3. Análise factorial das correspondências enquanto caso particular de uma ACP munida da métrica do qui- quadrado generalização – análise factorial múltipla das correspondências aplicações.
UA4. Análise de clusters:métodos não hierárquicos e métodos hierárquicos aplicações.
UA5. Recurso ao software SAS Enterprise Guide para o tratamento estatístico de dados reais multivariados.
6.2.1.5. Syllabus:
Learning units (LU): LU1. Introduction.
LU2. Descriptive principal components analysis (PCA):purpose and scope of the method geometric
interpretation of the PCA adjustment of the cloud of points in a p-dimensional space interpretation extension – double principal components analysis for cubic analysis of data applications.
LU3. Correspondence factor analysis as a particular case of a PCA with a chi-square metric generalization – multiple factor analysis of correspondences applications.
LU4. Cluster analysis:non-hierarchical methods and hierarchical methods applications. LU5. Statistical treatment of multivariate real data using SAS Enterprise Guide software.
6.2.1.6. Demonstração da coerência dos conteúdos programáticos com os objectivos da unidade curricular.
As unidades de aprendizagem UA1, UA2, UA3 e UA4 abrangem os objetivos de aprendizagem OA1 e OA2. A UA5 abrange a o OA3.
6.2.1.6. Demonstration of the syllabus coherence with the curricular unit's objectives.
The learning units LU1, LU2, LU3 and LU4 cover the learning outcomes LO1 and LO2. The LU5 covers the LO3.
6.2.1.7. Metodologias de ensino (avaliação incluída):
A unidade curricular baseia-se em sessões teórico-práticas, nas quais os conteúdos são apresentados em Powerpoint mediante uma abordagem heurística onde os alunos são confrontados com dados reais
provenientes de vários ramos do conhecimento. Durante o curso são organizadas algumas aulas práticas em sala de computadores, procedendo-se ao tratamento de dados reais multivariados com recurso ao software SAS Enterprise Guide. Adicionalmente, os alunos são convidados a colocar dúvidas e questões mais gerais em cada sessão, ou posteriormente via email, alimentando um sistema FAQ que apoiará o processo de aprendizagem.
O método de avaliação considera dois trabalhos de análise multivariada de dados e um exame final. Os trabalhos podem ser realizados individualmente ou em grupos, num máximo de três alunos. O primeiro trabalho tem peso de 0.2, o segundo trabalho um peso de 0.4 e o exame final um peso de 0.4. A classificação mínima em qualquer dos trabalhos ou no exame final é de oito valores.
6.2.1.7. Teaching methodologies (including evaluation):
The curricular unit is based on theoretical-practical classes where the contents are presented in Powerpoint through a heuristic approach and where students are faced with real data from various fields of knowledge. During the course, there are some practical classes in computer rooms, where students make multivariate data processing using the SAS Enterprise Guide software. Additionally, in each session or afterwards via email, students are invited to formulate questions and bring up broader issues, feeding a FAQ system that will support the learning process.
The evaluation method considers two assignments of multivariate data analysis and a final exam. The assignments can be performed individually or in groups with a maximum of three students. The first
assignment has a weight of 20%, the second assignment has a weight of 40% and the final exam has a weight of 40%. The minimum grade in any of the work or the final exam is eight values.
6.2.1.8. Demonstração da coerência das metodologias de ensino com os objectivos de aprendizagem da unidade curricular.
aulas nas quais os alunos são confrontados com dados reais provenientes de vários ramos do conhecimento. Com esta metodologia de ensino, pretende-se gerar um ambiente de aprendizagem e debate focalizado no aluno que contribua para que o coletivo de alunos compreenda os alicerces das principais técnicas de análise de dados. Por esta via, pretende-se que os alunos captem o enorme campo de aplicação dos métodos de análise estatística descritiva e multivariada, nomeadamente no tratamento de dados de grandes dimensões, mas que sejam também capazes de identificar os limites desses métodos para dados mais complexos. Na avaliação, o 1º trabalho será proposto a meio do curso e permitirá avaliar o grau de conhecimento e compreensão do método base da Análise em Componentes Principais (ACP) e da respetiva adaptação ao tratamento de tabelas de contingência (Análise Factorial das Correspondências, AFC), nomeadamente no que diz respeito aos conceitos e definições inerentes a tais métodos e, particularmente, ao conjunto de
indicadores de ajuda à interpretação dos dados. O 2º trabalho será proposto duas semanas antes do fim do curso tendo por objetivo principal a realização de uma análise estatística multivariada de dados reais, onde se espera que os alunos saibam recorrer a uma ou mais técnicas adequadas ao tratamento desses dados, usando o software SAS Enterprise Guide.
6.2.1.8. Demonstration of the coherence between the teaching methodologies and the learning outcomes.
In this curricular unit, in addition to classes dedicated to the presentation of theoretical concepts, there are also classes in which students are faced with real data from various fields of knowledge. With this teaching methodology, we aim to generate a learning environment focused on student debate and contributing to understanding of the foundations of the main techniques of data analysis. Therefore, it is intended that students capture the enormous scope of application of the descriptive methods and the multivariate statistical analysis, including processing large data sets, but they should also be able to identify the limitations of these methods in presence of more complex data.
In the evaluation, the first assignment is proposed in the middle of the course and will assess the level of knowledge and understanding of the principal components analysis (PCA) and the respective adaptation to the treatment of contingency tables (Factor Analysis of Correspondences). The 2nd assignment is proposed two weeks before the end of the course and has as main objective the realization of a multivariate statistical analysis of real data, where it is expected that students know how to use one or more suitable techniques to those data, using the SAS Enterprise Guide software.
6.2.1.9. Bibliografia principal:
Branco João- uma Introdução à Análise de Clusters, Sociedade Portuguesa de Estatística 2004 Bry X. - Analyses Factorielles Multiples - Economica, Poche/Techniques quantitatives 1996 Escofier B. , Pagès J. - Analyses Factorielles Simples et Multiples, Dunod 1990
Gomes Paulo - Análise de Dados , ISEGI , 1993
Lebart, L., Morineau, A. and Warwick, K. 1984. Multivariant descriptive statistical analysis. John Wiley and Sons. New York.
Mapa IX - Operações Bancárias e Seguradoras / Banking and Insurance Operations