
Estatística para Análise de Dados usando R
Programa e informações gerais do curso
1 Resumo
O curso Estatística para Análise de Dados usando R apresenta as técnicas e os modelos estatísticos modernos necessários para realizar análise exploratória de dados de forma profissional. A proposta é levar o trabalho de análise de dados a um nível mais avançado, partindo da organização e descrição dos dados até a aplicação de inferência estatística e modelos para extrair conclusões a partir de amostras.
O conteúdo é voltado para quem deseja realizar análise de dados com abordagem profissional, incluindo economistas e analistas de instituições financeiras. Ao longo das aulas, o aluno percorre desde os tipos de dados (univariados, bivariados e multivariados) e sua visualização até temas como distribuições de probabilidade, intervalos de confiança, testes de significância, regressão linear e análise de variância. As implementações são feitas principalmente na linguagem R, com referências ao Python, e o uso de bibliotecas de visualização como ggplot2 e matplotlib.
| Categoria | Informação |
|---|---|
| Carga horária total | 32 horas |
| Horas de vídeo | 8 horas |
| Número de aulas | 18 |
| Nível | Intermediário |
| Certificado | Sim, com carga horária de 32 horas |
2 Pré-requisitos e Objetivos
Pré-requisitos
Saber programar com a linguagem R é essencial para acompanhar o curso. O material parte do princípio de que o aluno já tem familiaridade com a sintaxe básica do R, permitindo focar nos conceitos estatísticos e em sua aplicação prática.
O que você será capaz de fazer
- Realizar a exploração de dados de forma estruturada, organizando e descrevendo conjuntos univariados, bivariados e multivariados.
- Produzir visualizações estatísticas para investigar relações e padrões nos dados.
- Aplicar inferência estatística para tirar conclusões sobre uma população a partir de amostras.
- Construir e interpretar intervalos de confiança e testes de significância.
- Estimar e interpretar modelos estatísticos, como regressão linear e análise de variância.
Habilidades e ferramentas
- R: linguagem principal utilizada nas implementações ao longo do curso.
- Python: utilizado como referência em estruturas de dados e visualização.
- ggplot2: biblioteca de visualização de dados no R.
- matplotlib: biblioteca de visualização de dados no Python.
3 Programa Detalhado
O conteúdo é organizado nas seções temáticas abaixo, distribuídas ao longo das aulas do curso.
- Aula 01 – Preparando o ambiente
- Aula 02 – Dados Univariados: vetores, estatísticas descritivas e dados categóricos
- Aula 03 – Dados Bivariados: amostras independentes, estruturas de dados no R/Python e dados emparelhados
- Aula 04 – Dados Multivariados: data frames, aplicando funções sobre dados e dados externos
- Aula 05 – Gráficos Multivariados: gráficos básicos, ggplot2 e matplotlib
- Aula 06 – População: variáveis aleatórias discretas e diferentes tipos de distribuição
- Aula 07 – Inferência Estatística
- Aula 08 – Intervalos de Confiança
- Aula 09 – Testes de Significância
- Aula 10 – Qualidade do Ajuste
- Aula 11 – Regressão Linear
- Aula 12 – Análise de Variância
- Aula 13 – Extensões: modelos lineares generalizados e modelos não lineares
4 Inscrição
A matrícula dá acesso às aulas do curso, ao material de apoio e ao certificado de conclusão, com carga horária total de 32 horas. O conteúdo permite acompanhar todo o percurso, da exploração de dados à aplicação de modelos estatísticos usando R.