Oliveira, R. (2021). Probabilidade e Estatística Aplicada com R. (pp. 1–212). eBook. https://doi.org/10.5281/zenodo.6672821.
Acesse aqui os capítulos no GitHub em formato markdown. Ou se preferir, Aqui para acesso pelo Website (.rmd, .html - a solução dos exercícios será liberada pelo professor a medida do andamento do curso).
Aqui você entenderá a importância da estatística e da probabilidade para análise de dados e irá aprender como empregar o R para extrair importantes informações sobre os dados. Você iniciará pelos comandos e estruturas básicas da linguagem como variáveis, atribuições e operações aritméticas. É esperado que você já tenha alguma familiaridade com linguagens de programação. Você aprenderá como acessar grandes conjuntos de dados, a fazer seleções de instâncias e atributos de interesse, e obter estatísticas básicas sobre esses dados.
Aula | Exercícios | md
Aqui você vai compreender os conceitos de população e amostra, e o que é a estatística descritiva. Aprendará o que são e omo empregar medidas de centralidade (média, mediana) e medidas de dispersão (variância, desvios padrão, quartis) para caracterização de conjuntos de dados. Vai aprender também como identificar outliers dos dados e a explorar como duas variáveis podem estar relacionadas linearmente (covariância, correlação). E você aprender tudo isso aplicando esses conceitos a conjuntos de dados com R.
Aula | Exercícios | md
Aqui você aprenderá comandos básicos de R para diferentes visualizações dos dados. Aprenderá a produzir gráficos como de tendência (linha), de distribuição (histograma, boxplot e densidade), relações (dispersão) e proporção (barras, pizza) dos dados. Você aprenderá também como interpretar esses dados e, em conjunto com seleções de dados e a estatística descritiva que viu anteriormente, elaborar explorações importantes dos dados (EDA, Exploratory Data Analysis).
Aula | Exercícios | md
Vamos introduzir aqui a noções de probabilidade e inferência estatística. Você vai conhecer aqui as principais distribuições de probabilidades. Aqui você aprenderá como caracterizar diferentes distribuições de probabilidades e como empregar essas distribuições para fazer inferências sobre os dados. Você vai ainda aplicar esse conceitos em conjuntos de dados com R.
Aula | Exercícios | md
Você já aprendeu o que são as as distribuições de probabilidade e algumas de suas funções mais importantes como as funções de densidade e probabilidade acumulada. Com isso já somos capazes de ‘inferir’ sobre a probabilidade de alguns eventos. Mas podemos fazer ainda mais. Aqui você vai aprender alguns resultados importantes para a inferência estatística como a Lei dos Grandes Números e o Teorema Central do Limite. Vai também explorar outras distribuições, e conhecer a distribuição t-Student que tem um papel bastante importante em muitos testes de hipóteses que serão vistos a seguir.
Aula | Exercícios | md
Você vai aprender aqui como determinar intervalos de confiança que permitem avaliar a confiança de valores esperados em uma população. Outro instrumento importante da Inferência Estatística são os Testes de Hipótese, e você vai aprender aqui como aplicar testes de hipóteses para diferentes tipos de variáveis e como empregar esses testes para comparar médias ou valores de diferentes conjuntos de dados.
Aula | Exercícios | md
Aprenda aqui como fazer a aproximação de dados a uma função linear. Aqui você vai aprender como estimar os valores dos coeficientes para regressões simples e múltiplas. Aprenderá como avaliar quantitativamente esses modelos lineares (coeficiente de determinação, p-value dos coeficientes), criar linhas de tendências dos dados e aplicar esses modelos para fazer estimativa de valores com R.
Aula | Exercícios | md
Nesta última seção você empregará vários dos conceitos aprendidos antes para entender e aplicar um modelo de regressão logística para classificação de dados. Esse é um importante modelo de classificação e desempenha um papel fundamental para o entendimento de modelos mais gerais de aprendizado de máquina supervisionados.
Aula | Exercícios | md