Disciplina - detalhe

ADM4003 - Métodos Quantitativos


Número de vagas:

Alunos regulares
Alunos especiais
Total
40
0
40

Número mínimo de alunos: 3
Data inicial: 11/03/2019    Data final: 23/06/2019
Data limite de cancelamento: 06/04/2019
Idioma: Português

Docente(s) Ministrante(s)
Carlos Tadeu dos Santos Dias

Horário / Local:
Segunda - 08:00 às 12:00 - Depto. de Ciências Exatas
Quarta - 14:00 às 18:00 - Depto. de Ciências Exatas
Quinta - 08:00 às 12:00 - Depto. de Ciências Exatas
Sexta - 08:00 às 12:00 - Depto. de Ciências Exatas
Sexta - 14:00 às 18:00 - Depto. de Ciências Exatas

Carga Horária

Teórica
por semana
Prática
por semana
Créditos
Duração
Total
2
2
8
15 semanas
120 horas

Docentes responsáveis
Carlos Tadeu dos Santos Dias
Pedro Valentim Marques

Objetivo
O objetivo do curso é apresentar aos alunos as abordagens básicas de probabilidade, inferência estatística e modelos de regressão com ênfase na sua interpretação e aplicabilidade aos problemas de administração. Para tal o curso está dividido em duas partes distintas onde são abordados inicialmente a parte de estatística descritiva, probabilidade e inferência estatística. Na segunda parte são apresentados modelos de regressão e análise multivariada destacando-se a sua utilização e interpretação relacionando a variável resposta com as variáveis explanatórias.

Conteúdo
Introdução aos métodos quantitativos; bases de conhecimentos estatísticos e matemáticos, estatística para modelagem, estruturação de dados para pesquisa, sistemas de modelagem, modelos de regressão, escalonamento multidimensional e análise multivariada de dados.

Bibliografia
ANAS, J. Business cycle analysis with multivariate Markov switching models. Growth and Cycle in the Eurozone, p. 249-260, 2004.
ANDERSON, D. Quantitative methods for business. New York: Cengage Learning, 2012.
ANDERSON, D. R.; SWEENEY, D. J. WILLIAMS, T. A. Estatística aplicada à administração e economia. São Paulo: Pioneira Thomson Learning, 2005.
BALSLEY, H. L. Quantitative research methods for business and economics. New York, NY: Random House, 1970
BOLCH, B. W.; HUANG, C. Multivariate statistical methods for business and economics. New York: Prentice-Hall, 1973.
BRANDIMARTE, P. Quantitative methods: an introduction for business management. New Jersey: John Wiley & Sons, 2012.
Bryan, F.J.M.; Jorge A.N.A Multivariate Statistical Methods - A Primer - Boca Raton, London, New York; CRC Press, 2017.
BYRNE, D. UK Sociology and Quantitative Methods: Are We as Weak as They Think? Or Are They Barking up the Wrong Tree?. Sociology, v. 46, n. 1, p. 13-24, 2012.
CAMERON, A. C.; TRIVEDI, P. K. Regression analysis of count data. Cambridge: Cambridge university press, 2013.
COOPER, D. R., SCHINDLER, P. S. Business Research Methods. 7. ed. New York: McGraw-Hill Irwin, 2001.
CORDEIRO, G. M.; SILVA, G. O.; ORTEGA, E. M. M. The beta-Weibull geometric distribution. Statistics, v. 47, n. 4, p. 817-834, 2013.
DIAMOND, A.; SEKHON, J. S. Genetic matching for estimating causal effects: A general multivariate matching method for achieving balance in observational studies. Review of Economics and Statistics, v. 95, n. 3, p. 932-945, 2013.
EMBRECHTS, P.; HOFERT, M. Statistics and quantitative risk management for banking and insurance. Annual Review of Statistics and Its Application, v. 1, p. 493-514, 2014.
FAHRMEIR, L.; TUTZ, G. Multivariate statistical modelling based on generalized linear models. New York: Springer, 1994.
HAIR, J. F., ANDERSON, R. E. TATHAM, R. L., BLACK, W. C. Análise Multivariada de Dados. 5. ed. Porto Alegre: Bookman, 2006.
LEE, E. T.; WANG, J. W. Statistical methods for survival data analysis. New York: John Wiley & Sons, 2013.
MAIA, R. P.; MADSEN, P.; LABOURIAU, R. Multivariate survival mixed models for genetic analysis of longevity traits. Journal of Applied Statistics, v. 41, n. 6, p. 1286-1306, 2014.
MANDEL, J. The statistical analysis of experimental data. New York: Courier Dover Publications, 2012.
MARTIN, W. E.; BRIDGMON, K. D. Quantitative and statistical research methods: from hypothesis to results. New Jersey: John Wiley & Sons, 2012.
MONTGOMERY, D. C.; PECK, E. A.; VINING, G. G. Introduction to linear regression analysis. New York: John Wiley & Sons, 2012.
NGUYEN, H.; CRESSIE, N.; BRAVERMAN, A. Spatial statistical data fusion for remote sensing applications. Journal of the American Statistical Association, v. 107, n. 499, p. 1004-1018, 2012.
PLEDGER, S.; ARNOLD, R. Multivariate methods using mixtures: Correspondence analysis, scaling and pattern-detection. Computational Statistics & Data Analysis, v. 71, p. 241-261, 2014.
PORTE, G. (Ed.). Replication research in applied linguistics. Cambridge: Cambridge University Press, 2012.
SHADISH, W. R. Analysis and meta-analysis of single-case designs: An introduction. Journal of school psychology, v. 52, n. 2, p. 109-122, 2014.
SUKAMOLSON, S. Fundamentals of quantitative research. Retrieved on, v. 25, pp. 124-136, 2012.
VERBEKE, G. The analysis of multivariate longitudinal data: A review. Statistical methods in medical research, v. 23, n. 1, p. 42-59, 2014.
ZIKMUND, W. Business research methods. New York: Cengage Learning, 2012.