Saltar para:
Logótipo
Comuta visibilidade da coluna esquerda
Você está em: Início > 2MDA18
Mapa das Instalações
Edifício Principal | Main Building Edifício Pós-Graduações | Post-Graduate Building

Recolha de Dados e Amostragem

Código: 2MDA18     Sigla: RDA

Áreas Científicas
Classificação Área Científica
OFICIAL Estatística

Ocorrência: 2020/2021 - 2S Ícone do Moodle

Ativa? Sim
Curso/CE Responsável: Mestrado em Modelação, Análise de Dados e Sistemas de Apoio à Decisão

Ciclos de Estudo/Cursos

Sigla Nº de Estudantes Plano de Estudos Anos Curriculares Créditos UCN Créditos ECTS Horas de Contacto Horas Totais
MADSAD 6 Plano Oficial - a partir de 2020/2021 1 - 6 42 162

Docência - Responsabilidades

Docente Responsabilidade
Fernanda Otília de Sousa Figueiredo Regente

Docência - Horas

Teorico-Prática: 3,00
Tipo Docente Turmas Horas
Teorico-Prática Totais 1 3,00
Fernanda Otília de Sousa Figueiredo 1,50
Pedro José Ramos Moreira de Campos 1,50
Mais informaçõesA ficha foi alterada no dia 2021-02-24.

Campos alterados: Programa, Bibliografia Obrigatória, Componentes de Avaliação e Ocupação

Língua de trabalho

Inglês

Objetivos

Os estudantes deverão ser capazes de aprender e aplicar os vários tipos de amostragem: probabilística e não probabilística; simples, estratificada, multietápica e aplicar planos complexos. Deverão conhecer as principais metodologias de recolha de dados (por via de inquéritos amostrais, censitários, recolha administrativa, ou outras fontes, tais como smart surveys), mas será dada particular ênfase aos inquéritos por amostragem. Deverão também desenvolver questionários, organizar questões, escalas e fazer validação. Nos processos de estimação, será dada uma atenção particular à estimação em pequenos domínios, com recurso a informação auxiliar.

Resultados de aprendizagem e competências

Os estudantes deverão conhecer e aplicar vários planos de amostragem consoante o tipo de problema, determinar a dimensão da amostra com base em critérios pré-definidos de erros e precisão, assim como calcular os erros associados aos vários tipos de estimadores obtidos; Os estudantes deverão também ser capazes de conhecer e aplicar metodologias de pequenos domínios nos casos em que a dimensão da amostra não é suficiente para obter estimadores com qualidade suficiente. Os estudantes deverão ser capazes de desenvolver escalas e questionários, assim como fazer a sua validação através de ferramentas estatísticas adequadas. Deverão ser capazes de identificar os objetivos de um inquérito estatístico, definir a população alvo e a base de amostragem, assim como aplicar os vários tipos de amostragem em causa, simples, ou mais complexos

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

Noções de estatística e inferência; conhecimentos de R

Programa


  1. Amostragem

    • Métodos de amostragem empíricos ou não probabilísticos

      • Método das quotas

      • Método de amostragem intencional

      • Método dos indivíduos-tipo

      • Método de amostragem snowball

      • Método de amostragem por conveniência

      • Random-route (itinerários aleatórios)



    • Métodos de amostragem probabilísticos

      • Amostragem aleatória simples

      • Amostragem aleatória estratificada

      • Amostragem sistemática

      • Amostragem em cachos







  1. Fontes de informação

    • O processo de produção estatística (visão GSBPM)

    • Inquéritos, dados administrativos, smart surveys

    • Integração de fontes inteligentes: telemóveis, sensores, transações bancárias, etc.



  2. Desenvolvimento de questionárioss

    • Modos CAPI, CATI, CAWI e recolha multi-modo;

    • Escalas, formulação de questões;

    • Pré-teste; Validação;



  3. Estimação em pequenos domínios

    • Estimadores diretos e indiretos

    • Model-based estimation



Bibliografia Obrigatória

Vic Barnett; Sample Survey – Principles and Methods, 3rd edition, Hodder and Arnold, 2003
Naresh K. Malhotra; Marketing research. ISBN: 978-0-13-609423-4
Manuela Magalhães Hill e Andrew Hill; Investigação por Questionário, 2ª Edição, Sílabo, 2008
J. N. K. Rao, Isabel Molina; Small Area Estimation, 2nd Edition, Wiley, 2015
Wendy Olsen; Data Collection: Key Debates and Methods in Social Research Paperback , SAGE, 2011
Robert M. Groves, Floyd J. Fowler Jr., Mick P. Couper, James M. Lepkowski, Eleanor Singer, Roger Tourangeau; Survey Methodology, 2nd edition, Wiley
Willem E. Saris Irmtraud N. Gallhofer; Design, Evaluation, and Analysis of Questionnaires for Survey Research, Willey, 2007

Métodos de ensino e atividades de aprendizagem

Exposição dos conceitos, com prática através de exemplos ilustrativos. Resolução de exercícios com enfoque na interpretação de resultados e com recurso ao software R. São fornecidos conjuntos de dados reais que servirão como base a trabalhos práticos.

Software

R (http://www.r-project.org)
Qualtrics
Google Forms

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação Peso (%)
Exame 50,00
Trabalho escrito 50,00
Total: 100,00

Componentes de Ocupação

Designação Tempo (Horas)
Estudo autónomo 60,00
Frequência das aulas 42,00
Trabalho escrito 60,00
Total: 162,00

Obtenção de frequência

Obtenção de frequência
Todos os estudantes inscritos têm de realizar exame final e trabalhos práticos (a definir posteriormente) para
obter aprovação. Um trabalho não entregue implica a não aprovação à disciplina.

A classificação final da componente trabalho prático é avaliada numa
escala de 0-20, consoante as notas obtidas nos trabalhos práticos exigidos . O exame é também
avaliado numa escala de 0-20.


A classificação final é determinada pela média aritmética simples das classificações obtidas na componente trabalho prático e no exame.

Para aprovação à disciplina a classificação final deverá ser superior ou igual a 9.5 valores, e a
nota de exame terá de ser superior ou igual a 7 valores assim distribuidos (nota global superior ou igual a 3.5 valores
nas questões do módulo 1 do Programa; nota global superior ou igual a 3.5 valores nas questões dos módulos 2, 3 e 4
do Programa)


Para melhoria de classificação, os trabalhos não podem ser melhorados. Apenas a classificação de exame pode ser melhorada.

Fórmula de cálculo da classificação final

A classificação final é determinada pela média aritmética simples da classificação final da componente trabalho prático  (avaliada numa escala de 0-20) e do exame (avaliado numa escala de 0-20)

Classificação final =50%  classificação final da componente trabalho prático + 50% nota do exame.  

Para aprovação à disciplina a classificação final deverá ser superior ou igual a 9.5 valores, e a nota de exame terá de ser superior ou igual a 7 valores assim distribuidos (nota superior ou igual a 3.5 valores  nas questões do módulo 1 do Programa; nota superior ou igual a 3.5 valores nas questões dos módulos 2, 3 e 4 do Programa)

Melhoria de classificação

Para melhoria de classificação, os trabalhos não podem ser melhorados. Apenas a classificação de exame pode ser melhorada.
Recomendar Página Voltar ao Topo
Copyright 1996-2024 © Faculdade de Economia da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2024-06-16 às 00:54:54 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias
SAMA2