Neste Módulo apresentamos a estrutura do curso. Introduzimos alguns conceitos fundamentais de estatística. Por fim, discutimos alguns métodos de amostragem como uma forma de alerta para cuidados que devemos ter ao analisar qualquer conjunto de dados.

Neste módulo vamos apresentar os princípios da análise exploratória de dados. Começamos definindo os diferentes tipos de variáveis e como lidar com cada uma delas. Descrevemos os fundamentos da descrição tabular e gráfica para cada tipo de variável. Por fim, apresentamos as principais estatísticas descritivas como média, moda, mediana, desvio-padrão, variância, covariância e correlação.

Neste módulo vamos iniciar uma Jornada pelo mundo da Teoria das Probabilidades. Começamos definindo o tipo de fenômeno que estamos interessados em analisar, os fenômenos aleatórios ou estocásticos. Usando a Teoria dos Conjuntos definimos os elementos básicos para analisar um fenômeno aleatório chegando a definição axiomática de probabilidade. Discutimos estratégias para atribuir probabilidades e a regra da adição e do complementar. Definimos probabilidade condicional e a usamos para definir o conceito fundamental de independência estatística. Fechamos o módulo com o Teorema de Bayes e algumas aplicações de probabilidade condicional na avaliação de testes de diagnóstico e o famoso problema de Monty Hall.

Neste módulo vamos conitnuar discutindo sobre probabilidades, porém agora vamos resumir o resultado de um experimento aleatório por meio de números. Estes números vão receber o nome especial de variáveis aleatórias. Nosso objetivo é construir ferramentas matemáticas para descrever o comportamento de variáveis aleatórias. Vamos classificar as variáveis aleatórias entre discretas e contínuas e construir as chamadas distribuições de probabilidade e densidade probabilidade. Vamos estender ainda mais a ideia para a situação em que temos mais do que uma variável aleatória. Neste caso estamos lidando com distribuições de probabilidades multivariadas. As definições de distribuição conjunta, marginal e condicional serão apresentadas e exemplificadas. Por fim, fechamos o módulo definindo algumas medidas para resumir a distribuição de probabilidade de variáveis aleatórias.

Neste Módulo terminamos a nossa Jornada pela Teoria da Probabilidades. Vamos motivar e apresentar as principais distribuições de probabilidades discretas, contínuas e também multivariadas. A genesis da distribuição e seus detalhes matemáticos são apresentados junto com exemplos de aplicação. Por fim, mostramos como usar distribuições de probabilidades com o R.

Neste Módulo vamos começar a nossa Jornada por um novo mundo o da Inferência Estatística. Neste Módulo você vai entender como a estatística explica o mundo. Em particular, vamos discutir o Pensamento frequentista e introduzir os conceitos de estimação pontual e intervalar. Diversos casos particulares são discutidos em detalhes.

Neste Módulo apresentamos toda a estrutura de construção e componentes de um teste estatístico de hipóteses. Diversos casos particulares são discutidos entre eles: teste Z, teste t, teste t pareado, teste F para variância, teste qui-quadrado além de diversas variações.

Neste módulo vamos apresentar dois modelos estatísticos muito populares: a regressão linear simples e o modelo de análise de variância (ANOVA). Começamos o módulo motivando a construção de modelos estatísticos. Na sequência particularizamos para a regressão linear simples explicando todos os seus detalhes em sua especificação matemática e estatística. Construimos o quadro de ANOVA para verificar a significância do modelo de regressão. Por fim, apresentamos o modelo de ANOVA para testar a diferença de médias para covariáveis categóricas com mais de dois níveis. Uma generalização da ideia de comparação entre duas populações apresentada no Módulo de Testes de hipóteses.