- Reconhecer situações adequadas para aplicação dos modelos de regressão, cluster e regressão logística - Aplicar as ferramentas estatísticas a situações reais - Avaliar ajustes dos modelos estatísticos e efetuar correções necessárias - Criar um plano de análise de dados para situações organizacionais reais
Testes de significância Correlação Regressão Linear Análise de clusters Regressão Logística binária Oferecimento: Semi-presencial
Testes de significância Testes paramétricos para uma amostra, duas amostras, k amostras Testes não paramétricos para uma amostra, duas amostras, k amostras Correlação Coeficiente de Pearson Coeficiente de Spearman Testes de significância para correlações Regressão linear Regressão simples Regressão múltipla Análise de clusters Método k-means Regressão logística binária Estimação do modelo Avaliação de ajustes do modelo
Bibliografia Básica •Anderson et al. – Estatística Aplicada à Administração e Economia, 2ª. Edição, Editora Cengage, 2007 •Ayres, Ian. Super Crunchers: Why thinking by numbers is the new way to be smart. Ed. Bantan •Bruce, P; Bruce, A; Gedeck, P. Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python. 2nd edition. O'Reilly Media, 2020. •Field, Andy; Miles, J; Field, Z. Discovering statistics using R. Sage Publications, 2012. •Lantz, Brett. Machine learning with R: expert techniques for predictive modeling. Packt publishing ltd, 2019. •Silver, N. O Sinal e o Ruído: Porque tantas previsões falham, mas algumas não. Ed. Intrinseca •Webstar, A.L. Estatística Aplicada à Administração e Economia. Editora McGraw Hill, 2007 •Wonnacott, T., Wonnacot, R. Introductory Statistics for Business and Economics, Wiley, 4a. ed Bibliografia Complementar •Cotton, R. Learning R: A Step-by-Step Function Guide to Data Analysis 1st Edition, O'Reilly Media, 2013. VanderPlas, J. Python Data Science Handbook: Essential Tools for Working with Data 1st Edition, O'Reilly Media, 2017. •Wickham, H. Advanced R, Second Edition, Chapman and Hall/CRC, 2019.
