R para Economia e Gestão

Ano
0
Ano lectivo
2024-2025
Código
01020925
Área Científica
Área Científica do Menor
Língua de Ensino
Inglês
Modo de Ensino
Presencial
Duração
Semestral
Créditos ECTS
6.0
Tipo
Obrigatória
Nível
1º Ciclo - Licenciatura

Conhecimentos de Base Recomendados

NA

Métodos de Ensino

Aulas teórico-práticas com uso de computador. Os conceitos e técnicas principais serão apresentados aos estudantes com recurso a exemplos práticos. Os estudantes terão depois oportunidade de aplicar os mesmos a diversos exemplos de aplicação ligados à economia e à gestão.

Resultados de Aprendizagem

Objetivos gerais: introdução à linguagem de programação R, saber escrever programas elementares e como modelos estatísticos são aplicados

Objetivos específicos: Criação de bases de dados, exportação de dados, elaboração de gráficos, loops e funções. Conhecimentos que permitam o seu uso em estatística mais avançada.

Competências genéricas: Usar informação informação quantitativa e qualitativa e saber organizá-la usando o R

Competências específicas: Importar, usar e estruturar bases de dados elementares e complexas; saber elaborar programas para análise de dados; produzir gráficos apropriados; elaborar testes estatísticos apropriados aos dados; e usar modelos lineares adequados e saber interpretá-los.

Estágio(s)

Não

Programa

1.Apresentação do programa R

2. Instalação do R (Windows, Linux and MacOS) e preferências do utilizador, interfaces gráficas e atualização do programa

3. Introdução aos comenados do R. Uso de scripts, guardar os resultados. O uso de packages

4. Criar uma base de dados, importar e exportar dados

5. Introdução a gráficos elementares. Criar e guardar gráficos

6. Tratamento e manipulação de dados com operadores lógicos

7. Indicadores estatísticos elementares e teste de hipóteses

8. Regressão linear simples e múltipla

9. Pricípios de programação: instruções condicionais, operadores de looping, operações vetoriais e funções

10. Gráficos intermédios

11. Amostragem, reamostragem e bootstrapping

12. Análise de componentes principais e fatorial

13. Manipulação de big data

14. Investigação Reprodutível

Docente(s) responsável(eis)

Joshua Dias Duarte

Métodos de Avaliação

Avaliação
Periódica ou por exame, a definir na ficha por edição: 100.0%

Bibliografia

João Sousa Andrade, How to Use R  - an introductory text, pdf, FEUC, 2019

Robert I. Kabacoff, R in Action, Data Analysis and Graphics with R, 2nd Ed., Manning Pub Co, 2015

Hadley Wickham & Garret Grolemund, R for Data Science: Import, Tidy, Transform, Visualize, and Model Data, O'Reilly, 2017

Oscar Baruffa, Big Book of R, https://www.bigbookofr.com/