Disciplina Métodos Estatísticos

A unidade curricular Métodos Estatísticos em Contabilidade, Fiscalidade e Finanças insere-se na área científica de Contabilidade, Fiscalidade e Finanças e visa desenvolver competências avançadas em métodos estatísticos e econométricos aplicados à análise quantitativa no 2.º ciclo de estudos. O seu âmbito abrange a recolha, organização, análise e interpretação de dados aplicados a problemas reais nos domínios da Contabilidade, Fiscalidade e Finanças, incluindo inferência estatística, regressão, séries temporais, modelos para dados qualitativos e técnicas multivariadas. A UC assume relevância no ciclo de estudos por fornecer uma base metodológica sólida para a investigação aplicada, a elaboração de dissertações e a tomada de decisão informada, recorrendo à utilização de software livre (R e Jamovi), promovendo competências técnicas atuais e transferíveis.

Não aplicável

Revisão de estatística descritiva e fundamentos de probabilidade. Inferência estatística: estimação pontual e intervalar, testes de hipóteses. Regressão linear simples e múltipla aplicada à Contabilidade, Fiscalidade e Finanças. Diagnóstico e tratamento de problemas em modelos de regressão: heteroscedasticidade, autocorrelação e multicolinearidade. Modelo ARIMA de séries temporais e técnicas de previsão. Modelos para variáveis dependentes qualitativas: modelos logit e probit. Introdução à análise multivariada: Análise de Componentes Principais, e Análise de Clusters. Aplicação prática dos métodos estatísticos com recurso ao software R e Jamovi.

A UC integra metodologias ativas centradas na aplicação prática: aulas teórico-práticas com exemplos reais de Contabilidade, Fiscalidade e Finanças; laboratórios de dados em R/Jamovi para análise imediata de bases reais; resolução colaborativa de problemas com foco em diagnóstico crítico (ex.: heteroscedasticidade); orientação tutorial personalizada para projetos; e avaliação formativa através de exercícios em aula que reforçam autonomia técnica. A utilização exclusiva de software livre elimina barreiras de acesso e potencia empregabilidade. A progressão do simples ao complexo - da estatística descritiva a modelos multivariados - garante aquisição sólida e aplicada de competências quantitativas, alinhando teoria, ferramentas e contexto profissional específico da área CFF

Fox, J. (2015). Applied regression analysis and generalized linear models (3rd ed.). Sage Publications. James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning: With applications in R (2nd ed.). Springer. https://doi.org/10.1007/978-1-0716-1418-1 Marôco, J. (2024). Fundamentos de estatística [com aplicações em jamovi]. ReportNumber. R Core Team. (2024). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.R-project.org/ The jamovi project. (2024). jamovi (Version 2.4) [Computer software]. https://www.jamovi.org