Nesta versão online ao vivo do curso de análises multivariadas você aprenderá de forma descomplicada a como executar e interpretar as principais abordagens metodológicas multivariadas no R. Para isso, o foco do curso é a execução prática, interpretação de resultados e fundamentação teórica subjacente ao nível conceitual primordial sem necessidade de detalhamento matemático pautado em fórmulas e equações. Dessa forma, você será capaz de entender como escolher diferentes métodos para distintos propósitos analíticos dos seus dados e como aplicá-los.
Carga horária: 7 horas
Data horário: 10 e 11 de abril de 2023 (17:00 às 21:00)
Ministrante: Dr. Écio Souza Diniz
Investimento: R$ 88,00 via transferência ou PIX (Banco do Brasil ou NuBank).
Inscrição: https://forms.gle/MvW3EANuZTidR9pi6
Pré-requisitos desejáveis: entendimento do uso do software R para Windows (instalá-lo em sua versão atual no PC, instalação e carregamento de pacotes, importação de dados para dentro do software) e noção teórica de estatística básica (ex: média, variância, desvio padrão, distribuições de erro (ex: normal)). O não preenchimento desses pré-requisitos não invalida participação no curso, mas isenta responsabilidade da empresa quanto ao participante conseguir acompanhar de forma bem sucedida os conteúdos abordados.
Conteúdo:
- Conceitos e pressupostos básicos da estatística multivariada
- Teste de normalidade multivariada
- Homogeneidade de variância multivariada (covariância de matrizes) – teste de Bartlett
- Teste de média e desvio padrão multivariado – teste T² de Hotelling
- Correlação linear (Pearson e Spearman)
- Medidas de distância e dissimilaridade
- Análise de Variância Multivariada
- Paramétrica (MANOVA) e não paramétrica (PERMANOVA)
- Análise de agrupamento (clustering)
- Hierarchical clustering (dendrograma)
- Non hierarchical clustering (K-means)
- Ordenação irrestrita
- Análise de componentes principais (PCA)
- Análise de coordenadas principais (PCoA)
- Análise fatorial (FA)
- Ordenação restrita
- Análise de correspondência canônica (CCA)
- Análise de redundância (RDA)