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