Formação em Estatística – FE

Na formação em Estatística você vai desenvolver: Habilidades para amostrar, tratar e extrair dos dados as melhores informações estratégicas para orientar a tomada de decisões, transformá-las em dashboards de métricas e okrs e monitorá-las, mensurando incertezas, testando hipóteses, expandindo seus resultados amostrais aos populacionais, deixando de ser um apertador de botão e entendendo o que tem por trás das técnicas, aprendendo na prática com os melhores softwares e linguagens de programação da atualidade: R, Python, Excel e PBI:

Desenvolvendo cinco pilares de formação e construindo projetos com bases reais:

• Estatística Descritiva;
• Cálculo das Probabilidades;
• Noções de amostragem e Estimação;
• Inferência Estatística;
• Introdução a Modelagem Estatística;
• Projetos reais;

O que você vai aprender:

• Onboarding e boas vindas – 06:02
• Apresentação e Boas vindas e link do grupo exclusivo de dúvidas e networking!
• Material Teórico​ e Exercícios da Comunidade de Estatística e Materiais indicados

Linguagem R e IDE R Studio

• O que é R, qual a sua importância, história, o que é RStudio e o que são pacotes. – 06:04
• Instalando o R e R Studio – Windows – 09:39

Instalando o Anaconda e Mostrando seus componentes

• Instalando o Anaconda e Mostrando seus componentes – 04:27

Bônus Motivacional: Ocupações tradicionais e modernas de aplicação da Estatística e indicação de materiais complementares

• Palestra – 01:06:08
• Aula teórica 00 – O que é Estatística, subdivisões da Estatística, o que é Ciência de dados, etapas da análise Estatística e conceitos básicos – 17:23

Material Teórico – Estatística Descritiva

• Faça o dowload

Aulas

• Aula teórica 01- Dados tabelados, tipos de frequências e tipos de variáveis. – 13:42
• Aula prática 00 – Tipos de Frequência – Excel – 09:47
• Aula prática 01 – Tipos de Frequência – R (Versão 1.1) – 18:07
• Aula teórica 02 – O que são Médias, Mediana, Moda e como calculá-las – 16:14
• Aula prática 02 – Medidas de tendência Central – Parte 1 – R – 11:59
• Aula teórica 03 – O que é Assimetria, Curtose, Box-plot, como utilizar o box-plot para detecção de outliers e o que são medidas de dispersão, como interpretá-las e calculá-las – 21:59
• Aula extraordinária – Cases – conceitos de Curtose e Assimetria- Fôlego Empresas e Coronavírus – 08:46
• Aula prática 03 – Medidas de tendência Central – Parte 2 – R – 07:14
• Aula prática 04 – Medidas de dispersão – Parte 1 – R – 09:15
• Aula prática 04 – Medidas de dispersão – Parte 2 – R – 07:53
• Aula prática 05 – Medidas de Dispersão – Excel – 08:22
• Aula teórica 04 : Gráficos Estatísticos para variáveis qualitativas – 06:22
• Aula teórica 05 : Gráficos Estatísticos para variáveis quantitativas – 12:33
• Parte 1 – Aula prática 06 – Gráficos Estatísticos – Variáveis Qualitativas Nominais – R – 12:27
• Parte 2 – Aula prática 06 – Gráficos Estatísticos – Variáveis Qualitativas Nominais- R – 12:00
• Parte 1 – Aula prática 07 – Gráficos Estatísticos – Variáveis Qualitativas Ordinais – R – 14:39
• Parte 2 – Aula prática 07 – Gráficos Estatísticos – Variáveis Qualitativas Ordinais – R – 10:29
• Parte 1 – Aula prática 08 – Gráficos Estatísticos – Variáveis Quantitativas – R – 13:38
• Parte 2 – Aula prática 08 – Gráficos Estatísticos – Variáveis Quantitativas R – 09:17
• Parte 1 – Aula prática 09 – Gráficos Estatísticos Drag and drop (Point and click) – R – 11:49
• Parte 2 – Aula prática 09 – Gráficos Estatísticos Drag and drop (Point and click) – R – 10:15

Python para usuários de R

• Aula Prática 01 – Tipos de Frequência – Python para Usuários de R – 14:17
• Aula prática 02 – Medidas de tendência Central – Python – 08:02
• Aula prática 03 – Medidas de dispersão – Python – 10:04

Material e Tutorial de dowload do Power BI

• Faça o dowload
• Tutorial de Instalação Power BI Desktop – 04:55

Aulas Práticas

• Aula Prática 00 – Gráfico de Pizza no Power BI e R – 07:59
• Aula Prática 01 – Gráfico de Colunas no Power BI e R – 05:29
• Aula Prática 02 – Gráfico de Nuvem de palavras/Wordcloud no Power BI e R – 03:53
• Aula Prática 03 – Gráfico de Barras e Dispersão no Power BI e R – 08:36
• Aula Prática 04 – Gráfico de Histograma e Pareto no Power BI e R – 08:32
• Aula Prática 05 – Gráfico de Box-Plot no Power BI e R – 02:31
• Aula Prática 06 – Gráfico de Mapas no Power BI e R – 03:52
• Aula Prática 07 – Tabelas Customizadas no Power BI e R – 10:11
• Aula Prática 08 – Grafos e Relatórios interativos Power BI e R – 09:39

Conteúdo e códigos a serem utilizados no Projeto Enade – INEP

• Conteúdo e códigos a serem utilizados no Projeto Enade – INEP

Projeto ENADE/INEP

• Vídeo 00 – Projeto Enade – INEP – Conhecendo a base de dados do ENADE (Exame Nacional de Desempenho de Estudantes) – 11:12
• Vídeo 01 – Projeto Enade – INEP – Importanto o banco do ENADE e Verificando dimensões – 11:38
• Vídeo 02 – Projeto Enade – INEP – Selecionando e Filtrando o Banco de acordo com variáveis e suas características – 09:00
• Vídeo 03 – Parte 1 – Projeto Enade – INEP – Transformando variáveis (Recodificando labels) por meio da base e por meio do dplyr – 10:07
• Vídeo 03 – Parte 2 – Projeto Enade – INEP – Transformando variáveis (Recodificando labels) por meio da base e por meio do dplyr – 08:32
• Vídeo 04 – Parte 1 – Projeto Enade – INEP – Análise descritiva das variáveis de forma geral – 10:31
• Vídeo 04 – Parte 2 – Projeto Enade – INEP – Análise descritiva das Variáveis de forma geral – 09:00
• Vídeo 05 – Parte 1 – Projeto Enade – INEP – Análise descritiva das Variáveis das Notas dos Alunos de ADS – 11:58
• Vídeo 05 – Parte 2 – Projeto Enade – INEP – – Análise descritiva das Variáveis das Notas dos Alunos de ADS – 03:02
• Vídeo 06 – Parte 1 – Projeto Enade – INEP – Análises finais por sexo e região e extração de insights e geração de dashboard – 11:33
• Vídeo 06 – Parte 2 – Projeto Enade – INEP – Análises finais por sexo e região e extração de insights e geração de dashboard – 12:07
• Vídeo 07 – Projeto Enade – INEP – Gerando relatórios automáticos em HTML e Word via Rmarkdown – 12:00
• Vídeo 08 – Projeto Enade – INEP – Gerando Dashboard no Flexdashboard com elementos de shiny e Shiny – Parte 1 – 13:15
• Vídeo 09 – Projeto Enade – INEP – Gerando Dashboard no Flexdashboard com elementos de shiny e Shiny – Parte 2 – 20:22
• Vídeo 10 – Projeto Enade – INEP – Gerando Dashboard no Flexdashboard com elementos de shiny e Shiny – Parte 3 – 21:05

Projeto Acidentes Rodoviários – PRF 2020

• Conteúdo e códigos a serem utilizados no Projeto Acidentes Rodoviários – PRF 2020

Projeto Acidentes Rodoviários – PRF 2020

• Vídeo Parte 1 – Conhecendo, Instalando, carregando, importando e trabalhando com chunks – 15:29
• Vídeo Parte 2 – Verificando Variáveis faltantes visualmente, resumos gerais e gráficos para variáveis qualitativas – 17:48
• Vídeo Parte 3 – Gráficos de Pizza, Barras e tabelas profissionais – 18:08
• Vídeo Parte 4 – Grafo, Mapas, relatório automático e Dashnoard – 11:19

Material Teórico – Cálculo das Probabilidades

• Faça o dowload

Aulas

• Aula teórica 00 – Conceitos e Axiomas da Probabilidade – 14:04
• Aula teórica 01 – Atribuição de Probabilidades, Probabilidade da União, Probabilidade da Interseção e Leis de Morgan – 11:39
• Aula prática 00 – Excel – União e Intersecção de eventos, Probabilidade da união e abordagem frequentista – 15:40
• Aula prática 01 – R – União e intersecção de eventos, Probabilidade da união e abordagem frequentista – 13:28
• Aula teórica 03 – Lei da Probabilidade Total, Probabilidade Condicional e o Famoso Teorema de Bayes – 16:05
• Aula prática 02 – Excel – Lei da Probabilidade Total e Teorema de Bayes – 10:36
• Aula Teórica 04 – Parte 1 – O que são variáveis aleatórias, Tipos de variáveis aleatórias e distribuições discretas de Probabilidade – 09:10
• Aula Teórica 04 – Parte 2 – O que são variáveis aleatórias, Tipos de variáveis aleatórias e distribuições discretas de Probabilidade – 12:53
• Aula prática 03 – Excel – Distribuições de Probabilidade Discretas – Bernoulli e Binomial – 09:39
• Aula prática 04 – R – Distribuições de Probabilidade Discretas – Bernoulli e Binomial – 09:24
• Aula Teórica 05 – Distribuições discretas de Probabilidade – Distribuição de Poisson – 07:35
• Aula prática 05 – Excel – Distribuições de Probabilidade Discretas – Poisson – 08:27
• Aula prática 06 – R – Distribuições de Probabilidade Discretas – Poisson – 13:55
• Aula Teórica 06 – Distribuições discretas de Probabilidade – Distribuição Geométrica – 06:57
• Aula prática 07 – Excel – Distribuições de Probabilidade Discretas – Geométrica – 08:03
• Aula prática 08 – R – Distribuições de Probabilidade Discretas – Geométrica – 04:48
• Aula Teórica 07 – Distribuições discretas de Probabilidade – Distribuição Hipergeométrica – 05:51
• Aula prática 09 – Excel – Distribuições de Probabilidade Discretas – Hipergeométrica – 10:04
• Aula prática 10 – R – Distribuições de Probabilidade Discretas – Hipergeométrica – 03:52
• Aula Teórica 08 – Aproximações assintóticas de distribuições discretas de Probabilidade – 08:40
• Aula Teórica 09 – Distribuições contínuas de Probabilidade – Distribuição Uniforme contínua de Probabilidade – 11:57
• Aula prática 11 – Excel – Distribuições de Probabilidade Contínuas – Uniforme – 10:24
• Aula prática 12 – R – Distribuições de Probabilidade Contínuas – Uniforme – 06:43
• Aula Teórica 10 – Distribuições contínuas de Probabilidade – Distribuição Exponencial de Probabilidade – 15:54
• Aula prática 13 – Excel – Distribuições de Probabilidade Contínuas – Exponencial – 06:00
• Aula prática 14 – R – Distribuições de Probabilidade Contínuas – Exponencial – 07:37
• Aula Teórica 11 – Distribuições contínuas de Probabilidade – Relação entre a Distribuição Exponencial (CONTÍNUA) e a distribuição de Poisson (DISCRETA) – 06:39
• Aula Teórica 12 – Distribuições contínuas de Probabilidade – Distribuição Normal de Probabilidade – 14:00
• Aula Teórica 13 – Distribuições contínuas de Probabilidade – Funções lineares de uma Distribuição Normal de Probabilidade – 08:22
• Aula prática 15 – R – Distribuições de Probabilidade Contínuas – Dist Normal e Funções lineares de Dist Normais – 12:10

Material Teórico: Noções de Amostragem e Estimação

• Faça o dowload

Aulas

• Aula 01 – Conceitos importantes, tipos de amostragem e tipos de Amostragens Probabilísticas – 11:03
• Aula 02 – Tipos de Amostragens Probabilísticas e Vantagens e Desvantagens das mesmas – 16:03
• Aula 03 – Tipos de Amostragens Não Probabilísticas – 08:39
• Aula 04 – Tipos de Estimação, Conceitos básicos e Propriedades desejáveis de um bom estimador – 15:02
• Aula 05 – Métodos de Estimação, estimadores mais importantes e vantagens e desvantagens – 09:47
• Aula Prática Geral – R – Noções de Amostragem e Estimação – 11:20

Material Teórico: Inferência Estatística

Aulas

• Aula Híbrida – Teorema Central do Limite (Teoria e Prática) – 11:03
• Aula teórica 00 – Intervalo de confiança, conceitos básicos e valores importantes – 08:22
• Aula teórica 01 – Escolha dos tipos de Intervalos de Confiança (IC)​Nessa aula, você vai aprender: O que é a Amostragem;​ O que são Conceitos Importantes da amostragem ; Quais são os Tipos de amostragem; Quais vantagens e desvantagens das amostragens pro – 03:35
• Aula teórica 02 – IC para Média com Sigma Conhecido – Case Embalagens da Indústria – 07:45
• Aula teórica 03 – IC para Média com Sigma Conhecido – Case Campanhas de Marketing – 04:58
• Aula teórica 04 – IC para Média com Sigma Desconhecido e n maior que 30 – Case Indústria Alimentícia – 05:23
• Aula teórica 05 – IC para Média com Sigma Desconhecido e n menor que 30 – Case peaple analytics – 04:30
• Aula teórica 06 – Cálculo de Tamanho de amostra para estimar a Média Populacional – Case Rede de empresas conectadas – 03:24
• Aula teórica 07 – IC para Proporção – Case Covid19 – 05:29
• Aula teórica 08 – Cálculo de Tamanho de amostra para estimar a Proporção Populacional (P conhecido) – Case Plano de saúde – 02:54
• Aula teórica 09 – Cálculo de Tamanho de amostra para estimar a Proporção Populacional (P desconhecido) – 02:04
• Aula prática 00 – IC para Média com Sigma Conhecido – Case Embalagens da Indústria – 05:13
• Aula prática 01 – IC para Média com Sigma Conhecido – Case Campanhas de Mkting – 03:35
• Aula prática 02 – IC para Média com Sigma Desconhecido e n menor que 30 – Case people analytics – 02:37
• Aula prática 03 – IC para Proporção – Case Covid19 – 03:31
• Aula prática 04 – Cálculo de Tamanho de amostra para estimar a Média Populacional – Case Rede de empresas conectadas – 02:10
• Aula prática 05 – Cálculo de Tamanho de amostra para estimar a Proporção Populacional (P conhecido e Desconhecido) – Case Plano de saúde – 03:12

Modelos de Regressão

• Materiais e Leituras
• Aula 00 – Teórica e Prática – Correlação e Modelos de regressão (Drag and drop no R) – 25:30
• Aula 01 – Estatística Descritiva e Regressão de forma point and click (Drag and drop) com R – 25:30

Carga horária: 20 Horas