Quantitative Social Science

2o semestre de 2017
Aulas:
Sextas 14:00 - 17:40, Sala 2094 - FAFICH
Professor:
Felipe Nunes, felipenunes@ufmg.br, FAFICH 4035
Monitora:
Natália Nunes, nataliaguiar.cs@gmail.com

Ementa do curso
Será que a adoção de um seguro de saúde universal melhoraria a saúde dos mais pobres?
Será que os padrões de prisões nas cidades americanas mostram evidência de racismo? O que
explica quem vota e sua escolha de candidatos? Este curso ensinará aos alunos a abordar
essas e outras questões de ciências sociais, analisando dados quantitativos. O curso introduz
princı́pios básicos de inferência estatı́stica e programação, além de habilidades para análise
de dados. O objetivo é proporcionar aos alunos a base necessária para analisar dados em
suas próprias pesquisas e tornar-se consumidores crı́ticos de argumentos estatı́sticos feitos
nos noticiários, na Mı́dia, em relatórios de polı́ticas e em pesquisas acadêmicas.

Pré-requisitos
Este curso destina-se a estudantes de graduação. Ter feito outros cursos de estatı́stica e
análise de dados é recomendável. A familiaridade com conceitos substantivos em ciência
polı́tica é altamente desejável, mas não é necessário.

Quem deveria fazer esse curso?

Aqui está uma lista que você deveria considerar ao decidir se deve ou não cursar essa disci-
plina:
• Eu sou um aluno de sociologia ou polı́tica ou gestão (outros estudantes que estão
interessados em dados quantitativos também são bem-vindos).
• Além de desenvolver meu conhecimento de conceitos estatı́sticos, eu quero aprender
habilidades necessárias para manipular e analisar dados.
• Estou disposto a passar um tempo considerável fora da sala de aula a cada semana, a
fim de ler e estudar o material.
• Gostaria de usar estatı́stica nos meus artigos, monografia, ou trabalho no futuro.

1
Avaliações
1. Participação: 20%

2. Exercı́cios: 50%

3. Trabalho final: 30%

Livro obrigatório
• Kosuke Imai (2017) Quantitative Social Sciences: An Introduction Princeton Univer-
sity Press. 1st edition.

Moodle
Leituras adicionais para o curso podem ser baixados da página do curso no Moodle. Nós
também postaremos os slides do curso depois de cada aula. Os exercı́cios e análises feitos
em sala de aula serão postadas também após cada aula.

Exercı́cios
Os exercı́cios serão publicados na página do curso pelo menos uma semana antes da data
de entrega. Também publicaremos quaisquer dados necessários para realizar os exercı́cios
no Moodle. Eles serão avaliados como completos / parciais / incompletos. Para ganhar o
crédito total, você deve mostrar evidências convincentes de esforço para resolver cada prob-
lema completamente.

Esses exercı́cios são a parte mais importante do curso - estatı́stica é uma disciplina que só
se aprende fazendo. Comece a trabalhar nos exercı́cios assim que eles estiverem disponı́veis.
Você pode trabalhar em grupos, mas cada pessoa deve enviar seu exercı́cio individualmente.
Note que o estudo em grupo pode ser uma excelente maneira de aprender estatı́stica, mas
você deve colocar o esforço adequado para entender completamente o material; simplesmente
aparecer para fazer os exercı́cios em grupo sem ter revisado e trabalhado os problemas an-
teriormente não vai te ajudar muito. Depois que os exercı́cios forem entregues, discutiremos
alguns problemas durante a aula.

Trabalho final
O trabalho será realizado em grupo e cobrirá material de todo o curso.

Participação
Para ganhar crédito total por participação, você deve completar as leituras necessárias antes
de cada aula, chegar à sala de aula no horário e ativamente participar durante a aula.

2
Formular e preparar perguntas antes da aula é fundamental para compreender conceitos
estatı́sticos. Fazer perguntas na aula também ajuda a manter o curso no ritmo certo. Se
alguns tópicos levantam muitas questões, reduziremos a velocidade para garantir que estamos
revisando conceitos de forma completa e eficaz; se alguns tópicos parecem relativamente
simples, iremos acelerar o ritmo. Finalmente, seja respeitoso com seus colegas de classe,
desligando seus celulares durante a aula. Se você não conseguir participar da aula em
qualquer semana, você deve me avisar por e-mail com antecedência.

Cronograma do curso
Abaixo, apresentamos o cronograma do curso e as leituras recomendadas para cada aula.

Data Tema Leitura

4 ago Overview of the course, Introduction to R Section 1.3

11 ago Data manipulation and Causality Section 2.1

18 ago Randomized experiments and Observational studies Sections 2.2 - 2.7

25 ago Survey sampling and Base Graphics in R Sections 3.1 - 3.4

1 set Clustering and Data Visualization with Ggplot2 Sections 3.5 - 3.7

15 set Prediction and Loop and Programming Loops in R Section 4.1

22 set Regression Analysis Sections 4.2 and 4.3

29 set More on Regression Analysis

6 out Probability and conditional probability Sections 6.1 - 6.3

20 out Random variables and their distributions Sections 6.4 - 6.5

27 out Monte Carlo Simulations in R

10 nov Estimation Section 7.1

17 nov Hypothesis tests in R Section 7.2

24 nov Regression with uncertainty Section 7.3

1 dez Group presentations