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.