As aulas são recheadas de exemplos, exercícios e aplicações práticas e contam com recursos de informática utilizando o Microsoft Excel e, principalmente, softwares estatísticos como Minitab, SPSS e R.
Conheça os assuntos atendidos nas aulas particulares de reforço ou aprendizagem em Estatística Aplicada.
| Assunto | Descrição detalhada |
| Amostragem | Amostra aleatória simples com e sem reposição.
Amostra por conglomerados, amostra estratificada, amostra sistemática, amostra por conglomerados em dois estágios, amostra proporcional ao tamanho.
Estimação (pontual e por intervalo) da média, da proporção e do total populacional conforme o esquema amostral.
Estimação da variância da média, da proporção e do total populacional.
Estimadores razão e regressão. |
| Análise de Dados Categorizados | Modelagem para variáveis qualitativas através da análise de tabelas de contingência e de testes para independência, homogeneidade e homogeneidade marginal usando Qui-quadrado e os modelos binomial e multinomial. |
| Análise de Regressão | Amostra aleatória simples com e sem reposição.
Modelos de regressão simples e múltipla.
Modelos de regressão não-linear e log-linear.
Modelos de regressão logística.
Análise das suposições dos modelos: normalidade, homoscedasticidade e independência.
Interpretação, estimativa pontual e por intervalo de confiança e teste de hipóteses para os parâmetros do modelo. Intervalo de predição e de previsão para uma dada observação. |
| Análise Multivariada de Dados | Análise de Componentes Principais (redução de fatores).
Análise Fatorial (fatores comuns).
Análise Discriminante (classificação de populações).
Análise de Agrupamentos ou de Cluster (agrupar observações semelhantes através de métodos hierárquicos e não-hierárquicos).
Análise de Correlação Canônica.
ANOVA Multivariada (MANOVA).
Escalonamento multidimensional (representação gráfica de variáveis multivariadas).
Análise de Correspondência (representação gráfica de variáveis qualitativas multivariadas). |
| Probabilidade Avançada | Definição de probabilidades. Cálculo básico de probabilidades e conceitos de análise combinatória. Teoremas de Markov e Chebyshev.
Variáveis aleatórias discretas e contínuas. Principais modelos discretos e contínuos.
Esperança, esperança condicional e variância de uma variável aleatória.
Operações com variáveis aleatórias (soma, diferença, multiplicação e quociente).
Funções geradoras de momentos.
Teorema do Limite Central. |
| Inferência Estatística Avançada | Construção e propriedades dos estimadores: vício ou viés, consistência, eficiência.
Comportamento assintótico e obtenção do melhor estimador não viciado, consistente e eficiente através de estatísticas completas e suficientes.
Inferência bayesiana: distribuição a priori e a posteriori.
Intervalos de confiança.
Testes de hipóteses. |
| Planejamento de Experimentos e Análise de Variância (ANOVA) | Modelos ANOVA de comparação de médias com um, dois ou mais fatores fixos, aleatórios ou mistos (hierárquicos ou cruzados).
Análise das suposições do modelo ANOVA: gráficos e testes para normalidade, homoscedasticidade e independência.
Comparações múltiplas (Tukey, Bonferroni ou Scheffé) entre as médias dos fatores (dois a dois ou contrastes).
Modelos ANOVA para experimentos com medidas repetidas. |
| Econometria e Contabilometria | Tópicos de Estatística relacionados à Econometria Básica (modelos de Regressão, mas NÃO de Séries Temporais) e Contabilometria Básica. |
| Bioestatística | Tópicos de Estatística aplicados às ciências biológicas e da saúde, tais como Medicina, Nutrição, Biologia, Fisioterapia e Terapia Ocupacional. |
Veja também: cursos, livros recomendados e serviço de consultoria e análise estatística para aprender Estatística Aplicada e Avançada.
|
