Local/Horário
- Local: Sala 2 (Pavilhão I)
- Dia/horário: 3ᵃˢ-feiras, das 14h35 às 16h15
Objetivos
Esta disciplina apresenta conceitos relacionados à tarefa de realizar inferências sobre características de uma população no contexto em que não é possível analisar todos os elementos dessa população, mas apenas uma amostra (ou um punhado delas). São apresentados modelos matemáticos e estatísticos usados na compreensão dos fenômenos que ocorrem na natureza. É também propósito do curso capacitar o discente a trabalhar com modelos abstratos e compreender os avanços tecnológicos obtidos por meio da utilização/formulação de modelos estatísticos.
Ementa
Conceitos introdutórios. Distribuições amostrais. Teorema do Limite Central e Lei dos Grandes Números. Métodos de estimação intervalar. Testes de hipóteses em amostra única. Testes de hipóteses em duas amostras. Testes de normalidade. Métodos de estimação pontual. Análise de variância (ANOVA), Test Qui-quadrado. Testes não-paramétricos. Regressão. Estatística causal.
Veja o plano de ensino da disciplina.
Aulas
Veja o calendário acadêmico das graduações do CEFET/RJ.
| Data | Conteúdo |
| 24/fev | Apresentação do curso |
| 03/mar | Conceitos iniciais: planos amostrais, estimadores, viés e precisão |
| 10/mar | Distribuições amostrais + TCL |
| 17/mar | Estimativa intervalar: IC para média (n>30) + IC para proporção (n>3) |
| 24/mar | Estimativa intervalar: Tamanho de amostra (n>30) |
| 31/mar | Estimação intervalar: IC para média (n<30) |
| 07/abr | Teste 1 (30 minutos iniciais) Testes de hipóteses: Introdução + z-teste |
| 14/abr | Testes de hipóteses: t-testes para uma amostra |
| 21/abr | Feriado nacional — Tiradentes |
| 28/abr | Testes de hipóteses: t-testes para duas amostras |
| 05/mai | ANOVA |
| 12/mai | Exercício em laboratório |
| 19/mai | Qui-quadrado |
| 26/mai | Bootstrappping |
| 02/jun | Teste de permutação Regressão linear |
| 09/jun | Regressão Descontínua Diferença-em-Diferenças |
| 16/jun | Teste 2 (30 minutos iniciais) Propensity Score Matching |
| 07/jul | Exame Final |
Vídeos TED Relevantes
- 3 ways to spot a bad statistic, Mona Chalabi.
- The best stats you’ve ever seen, Hans Rosling.
- Why you should love statistics, Alan Smith.
- Why smart statistics are the key to fighting crime, Anne Milgram.
Leituras
- (r1) Sampling Distribution – What is It?
- (r2) Pesquisas eleitorais
- (r3) Degrees of Freedom
- (r4) Big names in statistics want to shake up much-maligned P value
Recursos recomendados
- R Reference Card
- Stat 110 Online
- Stat 110 Quora Blog
- Quora Probability FAQ
- R Studio
- Bayesian Statistical Inference: I e II
- Classical Statistical Inference: I, II, III
- LaTeX File (github.com/wzchen/probability cheatsheet)
- Normal Distribution: functions in R
- tcl.R, lln, TLC (data camp):
- t tests (tutorial datacamp)
- TLCsampling distributions, Lab: Sampling Distribution in R
Livros didáticos (além dos definidos no programa do curso)
- Introductory Statistics (livro disponibilizado com licença Creative Commons)
- H. Loningher; Fundamentals of Statistics, 2012.
- Brian Caffo; Statistical inference for data science
- Joseph K. Blitzstein & Jessica Hwang; Introduction to Probability Book, 2014.
- e-book: Ani Adhikari & John DeNero, Computational and Inferential Thinking
- Wiki Book: Statistical Inference.
- Wikipedia: “Statistical Inference” (e links relacionados).
- Você pode pesquisar livros relevantes no acervo da Biblioteca do CEFET/RJ.
Livros de interesse geral sobre Estatística
- Naked Statistics: Stripping the Dread from the Data, Charles Wheelan, 2012.
- Factfulness – Ten Reasons We’re Wrong About the World and Why Things Are Better Than You Think, Hans Rosling, Ola Rosling, Anna Rosling Rönnlund, 2018.
- How to Lie with Statistics, Darrell Huff, 1954.
- O Andar do Bêbado – Como o acaso determina nossas vidas, Leonard Mlodinow, 2009.
- Uma senhora toma chá… – Como a Estatística revolucionou a ciência no século XX, David Salsburg, 2009.