Tipos de variáveis, escalas de medidas, tipos de gráficos, medidas de tendência central, histogramas, boxplots, medidas de dispersão, covariância e correlação.

Diferença entre probabilidade e estatística, espaço amostral, evento, união, interseção, propriedades e regras da probabilidade, probabilidade condicional.

Uniforme, Binomial, Poisson, Normal, Regra empírica, Normal padrão e z-score, t-student, Qui-quadrado, F.

População e amostra, parâmetro e estatística, Teorema Central do Limite.

Para a média quando o desvio padrão é conhecido, quando é desconhecido, para a proporção, amplitude e interpretação.

Selecionar hipóteses, tipos de erros e alfa, p-valor, tomada de decisão, realizar o teste para a média e para a proporção, teste com duas amostras.

Linear simples e múltipla, R2 e R2 ajustado, pressupostos, variáveis categóricas, escolha de variáveis significantes com inferência, regressão logística.

ANOVA de 1 via, ANOVA de 2 vias, testes post-hoc, Anova com interação.

Testes Wilcoxon, Mann-Whitney, Kruskal-Wallis, Spearman e teste do Sinal.

Com o professor convidado Prof. Dr. James Sampaio, da Universidade de Brasília (UnB).

Com a convidada Letícia Smirelli.

Com o Prof. convidado Ítalo Teotônio.

Neste módulo você verá como iniciar e desenvolver o seu projeto de estatística utilizando o material fornecido no curso, adquirindo assim experiência para acrescentar em seu portfólio.

Conteúdo extra, como por exemplo: Livros disponíveis em PDF sobre Estatística e Data Science, Introdução a Python no Google Colab, Introdução ao Kaggle​.