Curso de Estatística

Aula 1 • Tipos de Dados e Variáveis

Classifica variáveis como categóricas ou numéricas e distingue discretas de contínuas. A classificação correta orienta cada escolha analítica subsequente.

Aula 2 • Introdução ao Software Estatístico

Orienta os alunos a um ambiente de computação estatística para entrada de dados e operações básicas. A prática desde o início reforça as lições conceituais ao longo do curso.

Aula 3 • O que é Estatística e Por Que Ela Importa

Define a estatística como disciplina e contrasta os objetivos descritivos e inferenciais. Ancora o capítulo estabelecendo por que decisões baseadas em dados superam a intuição.

Aula 4 • Populações, Amostras e Parâmetros

Distingue parâmetros populacionais de estatísticas amostrais e explica por que a amostragem é necessária. Estabelece a lógica inferencial usada ao longo do curso.

Aula 1 • Exibições Gráficas para Dados Numéricos

Constrói histogramas, gráficos de ramos e folhas e box plots para revelar forma, dispersão e outliers. Essas ferramentas apoiam diretamente os conceitos de probabilidade introduzidos no Capítulo 3.

Aula 2 • Exibições Gráficas para Dados Categóricos

Cria gráficos de barras, gráficos de pizza e gráficos de Pareto para comunicar distribuições categóricas. A escolha do tipo de gráfico correto é enfatizada como uma habilidade de comunicação profissional.

Aula 3 • Medidas de Tendência Central

Calcula média, mediana e moda e explica quando cada medida é mais apropriada. Selecionar a medida de centro correta depende do tipo de dado e da forma da distribuição.

Aula 4 • Distribuições de Frequência e Tabelas

Constrói tabelas de frequência, frequência relativa e frequência acumulada para ambos os tipos de variáveis. As tabelas são a base para todas as exibições gráficas abordadas em seguida.

Aula 1 • Probabilidade Condicional e Teorema de Bayes

Define probabilidade condicional e aplica o teorema de Bayes para atualizar crenças com novas evidências. O raciocínio bayesiano reaparece em capítulos avançados de inferência e tomada de decisão.

Aula 2 • Conceitos Básicos de Probabilidade

Apresenta espaços amostrais, eventos e as abordagens clássica, empírica e subjetiva da probabilidade. Essas definições são a linguagem de todo método inferencial do curso.

Aula 3 • Regras da Adição e da Multiplicação

Deduz a regra geral da adição e ambas as formas da regra da multiplicação para eventos conjuntos. O domínio deste tópico permite cálculos corretos de probabilidade no teste de hipóteses posteriormente.

Aula 4 • Distribuições de Probabilidade Discretas

Define variáveis aleatórias e constrói distribuições de probabilidade para resultados discretos. O valor esperado e a variância das distribuições conectam a probabilidade à estatística inferencial.

Aula 1 • Propriedades da Distribuição Normal

Descreve a forma de sino, a simetria e a regra empírica da distribuição normal. O modelo normal é a base de todos os intervalos de confiança e testes que virão.

Aula 2 • Distribuição Binomial

Deduz a fórmula binomial a partir de tentativas de Bernoulli e calcula probabilidades para experimentos com número fixo de tentativas. O modelo binomial é a base para a inferência sobre proporções no Capítulo 6.

Aula 3 • Aplicações da Distribuição Normal

Converte escores brutos em escores Z e encontra áreas sob a curva normal para problemas aplicados. A fluência com cálculos normais é necessária para todos os capítulos inferenciais.

Aula 4 • Outras Distribuições Úteis

Apresenta as distribuições uniforme, exponencial e t como ferramentas práticas de modelagem. A distribuição t é essencial para a inferência com amostras pequenas abordada no Capítulo 5.

Aula 1 • Teorema Central do Limite

Enuncia e demonstra o teorema central do limite para populações não normais. O teorema central do limite justifica a inferência baseada na normal para amostras grandes, independentemente da forma da população.

Aula 2 • Distribuição Amostral da Média

Define a distribuição amostral da média amostral e deduz sua média e erro padrão. Este conceito é o motor teórico por trás de todos os intervalos de confiança e testes.

Aula 3 • Intervalos de Confiança para Proporções

Constrói intervalos de confiança para proporções populacionais e determina os tamanhos amostrais necessários. Os intervalos para proporções são aplicados diretamente nos capítulos de qualidade e análise de pesquisas.

Aula 4 • Intervalos de Confiança para Médias

Constrói intervalos de confiança baseados em Z e em t para uma média populacional. Os alunos interpretam a amplitude do intervalo e o nível de confiança em contextos práticos de decisão.

Aula 1 • Testes para uma Única Média

Conduz testes Z e testes t para uma amostra de uma média populacional e calcula valores p. Os alunos praticam o procedimento completo de teste em cinco etapas com conjuntos de dados reais.

Aula 2 • Testes para Duas Amostras de Médias

Compara duas médias populacionais independentes ou pareadas usando testes t apropriados. Escolher entre delineamentos independentes e pareados é uma habilidade aplicada crítica.

Aula 3 • Lógica e Estrutura dos Testes de Hipóteses

Estabelece as hipóteses nula e alternativa, os níveis de significância e o framework da regra de decisão. Esta estrutura é aplicada de forma idêntica em todos os tipos de teste do capítulo.

Aula 4 • Testes para Duas Amostras de Proporções

Testa a igualdade de duas proporções populacionais e constrói intervalos para a diferença. Esses métodos são aplicados diretamente em cenários de teste A/B e comparação de qualidade.

Aula 1 • Teste de Aderência Qui-Quadrado

Testa se as frequências categóricas observadas correspondem a uma distribuição hipotetizada. Este teste estende a distribuição qui-quadrado introduzida no Capítulo 6.

Aula 2 • Teste de Independência Qui-Quadrado

Avalia a associação entre duas variáveis categóricas usando uma tabela de contingência. Os resultados estão ligados aos conceitos de probabilidade condicional do Capítulo 3.

Aula 3 • ANOVA de Dois Fatores e Efeitos de Interação

Analisa dois fatores categóricos simultaneamente e testa a interação entre eles. Gráficos de interação revelam se os efeitos dos fatores dependem do nível do outro fator.

Aula 4 • Fundamentos da ANOVA de Um Fator

Particiona a variação total em componentes entre grupos e dentro de grupos para testar a igualdade de médias. A ANOVA evita a taxa de erro inflada de executar múltiplos testes t pareados.

Aula 1 • Modelo de Regressão Linear Simples

Deduz a reta de regressão de mínimos quadrados e interpreta a inclinação e o intercepto no contexto. O modelo simples é o bloco de construção para a regressão múltipla na próxima seção.

Aula 2 • Inferência na Regressão Simples

Testa a significância da inclinação e constrói intervalos de confiança e predição. A inferência na regressão integra o teste de hipóteses e a estimação por intervalos dos Capítulos 5 e 6.

Aula 3 • Diagnósticos e Pressupostos da Regressão

Verifica a linearidade, independência, normalidade e variância igual por meio de gráficos de resíduos. Detectar e tratar violações garante predições confiáveis e inferência válida.

Aula 4 • Correlação e Gráficos de Dispersão

Quantifica a associação linear com o r de Pearson e visualiza relacionamentos por meio de gráficos de dispersão. A análise de correlação motiva e precede o desenvolvimento do modelo de regressão.