APRESENTAÇÃO DA DISCIPLINA: A disciplina tem como objetivo principal capacitar os alunos para o entendimento e compreensão de diversas técnicas exploratórias e confirmatórias de análise multivariada, com enfoque para suas aplicações e na geração de informação para tomada de decisões em contabilidade, atuária e finanças. O conteúdo a ser discutido considera aspectos relacionados à elaboração, tratamento e análise de bancos de dados. O intuito é que o aluno adquira conhecimentos e habilidades sobre gerenciamento e tratamento de dados, por meio de discussão de conceitos e análise de bancos de dados em sessões de laboratório com aplicação prática de softwares como SPSS, Stata, R, dentre outros. OBJETIVOS DE APRENDIZAGEM: Espera-se que, ao final do curso, os alunos estejam aptos a: 1. Compreender os objetivos e aplicações das diversas técnicas exploratórias e confirmatórias de análise multivariada; 2. Identificar situações favoráveis para o uso do instrumental quantitativo adquirido; 3. Conhecer as premissas e limitações do uso das diversas técnicas; 4. Elaborar, tratar e analisar diferentes tipos de bancos de dados; 5. Extrair informação relevante para tomada de decisões financeiras a partir do tratamento e análise de bancos de dados; e 6. Aplicar o instrumental quantitativo à análise de problemas gerenciais abordados pelos sistemas de informações empresariais, presentes no processo de planejamento, execução e controle das decisões nas empresas.
1. BANCO DE DADOS: IMPORTÂNCIA DO TRATAMENTO E ANÁLISE 2. TESTES DE HIPÓTESE E INTERVALOS DE CONFIANÇA 3. FERRAMENTAS DE ANÁLISE MULTIVARIADA PARA TOMADA DE DECISÃO 4. PESQUISA OPERACIONAL
1. BANCO DE DADOS: IMPORTÂNCIA DO TRATAMENTO E ANÁLISE 1.1 Visão geral: tipos de variáveis e escalas de mensuração 1.2 Estatística descritiva 1.3 Distribuições de probabilidades 2. TESTES DE HIPÓTESE E INTERVALOS DE CONFIANÇA 2.1 Testes paramétricos 2.2 Testes não paramétricos 3. FERRAMENTAS DE ANÁLISE MULTIVARIADA PARA TOMADA DE DECISÃO 3.1. TÉCNICAS DE INTERDEPENDÊNCIA 3.1.1 Análise de clusters 3.1.2 Análise de correspondência (ANACOR) 3.1.3 Análise fatorial 3.2 TÉCNICAS DE DEPENDÊNCIA 3.2.1 Generalized linear models (GLM) 3.2.2 Regressão linear e não-linear simples e múltipla 3.2.3 Diagnósticos em modelos de regressão 3.2.4 Regressão logística binária e multinomial 3.2.5 Modelos de regressão para dados de contagem 4. PESQUISA OPERACIONAL 4.1 Programação linear e não linear 4.2 Programação inteira e binária 4.3 Modelos de otimização
BIBLIOGRAFIA PRINCIPAL: FÁVERO, L. P.; BELFIORE, P. Manual de Análise de Dados: Estatística e Modelagem Multivariada com Excel, SPSS e Stata. 1ª Edição. Rio de Janeiro: Ed. Campus Elsevier, 2017. BELFIORE, P.; FÁVERO, L. P. Pesquisa Operacional para Cursos de Administração, Contabilidade e Economia. Rio de Janeiro: Campus Elsevier, 2012. FÁVERO, L. P.; BELFIORE, P. Data Science for Business and Decision Making. Cambridge: Academic Press, 2019. FÁVERO, L. P.; BELFIORE, P. P.; SILVA, F. L.; CHAN, B. L. Análise de Dados: modelagem multivariada para tomada de decisões. Rio de Janeiro: Ed. Campus Elsevier, 2009. BIBLIOGRAFIA COMPLEMENTAR: CAMERON, A. C.; TRIVEDI, P. K. Microeconometrics using Stata. College Station: Stata Press, 2009. GUJARATI, D. N. Econometria básica. 4. ed. Rio de Janeiro: Elsevier, 2006. HAIR JR., J. F.; ANDERSON, R. E.; TATHAM, R. L.; BLACK, W. C. Análise Multivariada de Dados. 6. ed. Porto Alegre: Bookman, 2007. JOHNSON, R. A.; WICHERN, D. W. Applied Multivariate Statistical Analysis. 6. ed. Upper Saddle River: Pearson Education, 2007. SHARMA, S. Applied Multivariate Techniques. Hoboken: John Wiley & Sons, 1996.