Estatística básica com R

Diferentemente de um curso de introdução à linguagem de programação R, este curso é focado na introdução da aplicação da estatística básica descritiva (ex: média, desvio padrão) para exploração de dados, teste de hipóteses (ex: Tetes de duas amostras, ANOVA, correlação linear), preditiva (regressão linear) e visualização gráfica básica (ex: gráficos de dispersão, barras, histogramas, boxplots). Com isso o objetivo aqui é tornar o participante aplicado nos conceitos básicos de uso, execução e interpretação de resultados de métodos e testes da estatística básica em R. Assim, o conteúdo desse curso é um bom ponto de partida para quem já iniciou aprendizagem do uso da linguagem R, mas precisa se aprimorar em aplicações estatísticas básicas. Portanto, esse é um curso para públicos interdisciplinares de diversos níveis, graduação, pós-graduação, professores universitários e corpo-técnico de empresas.

Carga horária: 5 horas

Ministrante: Dr. Écio Souza Diniz

Investimento: R$ 70,00 via transferência (Banco do Brasil ou NuBank) ou R$ 86,00 com PagSeguro em parcela única. Pague com PagSeguro - é rápido, grátis e seguro!

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, regressão simples). 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 do curso:

  1. Testes de normalidade
  2. Teste de homogeneidade de variância
  3. Independência de resíduos
  4. Estatística descritiva (ex: média, mediana, moda, desvio padrão, variância, intervalo de confiança)
  5. Transformação de dados (ex: raiz quadrada, log, inversa, arcoseno)
  6. Testes de uma amostra (Teste T e Wilcoxon)
  7. Testes de duas amostras independentes e dependentes (Teste T pareado e Mann Whitney)
  8. ANOVA (paramétrica e não paramétrica)
  9. Testes a posteriori (ex: Tukey e Dunnet)
  10. Testes de correlação (ex: Pearson e Spearman)
  11. Regressão linear (LM)
  12. Sugestões de apresentação de resultados em artigos.