Você gostaria de se tornar um autêntico especialista em estimativas? Neste caso, este programa da TECH é perfeito para você! O que você está esperando para se matricular” 

As pesquisas de intenção de voto, a análise de mercado ou a epidemiologia médica são três dos múltiplos setores nos quais a Inferência Estatística desempenha um papel fundamental na dedução de conclusões e tendências por meio da análise de uma amostra do conjunto. Graças à projeção e comparação de dados, foi possível determinar o candidato favorito em uma eleição, qual produto as pessoas preferem e em que contexto, ou as medidas públicas que devem ser adotadas ou evitadas para prevenir ou controlar o desenvolvimento de uma doença viral ou infecciosa.

Trata-se, portanto, de um ramo das Ciências Sociais de vital importância para o avanço da sociedade com base em suas necessidades e exigências, no qual os profissionais devem ter um altíssimo nível de conhecimento para trabalhar de forma eficaz. Por essa razão, e com o objetivo de fornecer aos interessados nesta área todas as informações necessárias para se atualizarem sobre seus avanços, a TECH e sua equipe de especialistas desenvolveram um programa completíssimo perfeito para isso. Uma capacitação distribuída em 450 horas de material teórico, prático e complementar, graças ao qual o graduado poderá aprofundar nos aspectos mais inovadores da estimativa (teste de hipóteses, inferência Bayesiana, análise fatorial, etc.) e nas técnicas estatísticas multivariadas: modelagem de componentes principais, análise de correspondência, análise de cluster, etc.

Tudo isso de maneira 100% online e durante 6 meses de capacitação multidisciplinar, na qual, além de um plano de estudos completo e dinâmico, terá acesso a material adicional de alta qualidade: vídeos detalhados, artigos de pesquisa, leituras complementares e muito mais! Além disso, graças ao uso da metodologia Relearning no desenvolvimento do programa, não será necessário investir horas extras na memorização, pois a atualização do conhecimento ocorrerá de forma natural e progressiva.

O melhor programa para se especializar em Inferência Estatística por meio de uma formação multidisciplinar e 100% online”

Este Programa avançado de Inferência Estatística conta com o conteúdo mais completo e atualizado do mercado. Suas principais características são:

• O desenvolvimento de casos práticos apresentados por especialistas em Estatística Aplicada
• O conteúdo gráfico, esquemático e eminentemente prático oferece informações técnicas e práticas sobre aquelas disciplinas que são essenciais para a prática profissional
• Contém exercícios práticos em que o processo de autoavaliação é realizado para melhorar o aprendizado
• Destaque especial para as metodologias inovadoras
• Aulas teóricas, perguntas a especialistas, fóruns de discussão sobre temas controversos e trabalhos de reflexão individual
• Disponibilidade de acesso a todo o conteúdo a partir de qualquer dispositivo, fixo ou portátil, com conexão à Internet

Um programa que enfatiza a imersão em testes hipotéticos por meio de um conhecimento profundo de suas técnicas e estratégias, como a estimativa bayesiana ou de adequação”

O corpo docente do curso conta com profissionais do setor, que transferem toda a experiência adquirida ao longo de suas carreiras para esta capacitação, além de especialistas reconhecidos de instituições de referência e universidades de prestígio.

O conteúdo multimídia, desenvolvido com a mais recente tecnologia educacional, permitirá ao profissional uma aprendizagem contextualizada, ou seja, realizada através de um ambiente simulado, proporcionando uma capacitação imersiva e programada para praticar diante de situações reais.

A estrutura deste programa se concentra na Aprendizagem Baseada em Problemas, através da qual o profissional deverá resolver as diferentes situações de prática profissional que surgirem ao longo do curso acadêmico. Para isso, contará com a ajuda de um inovador sistema de vídeo interativo realizado por especialistas reconhecidos.

Cada módulo inclui uma seção exclusiva na qual você encontrará exemplos que facilitarão a visualização dos conceitos desenvolvidos no plano de estudos”

Você terá 450 horas do melhor conteúdo teórico, prático e complementar para explorar aspectos como as distribuições associadas à norma ou as propriedades dos estimadores”

Para o desenvolvimento da estrutura e conteúdo deste Programa avançado, a TECH considerou o critério profissional de uma equipe de especialistas no campo da Estatística Aplicada.  Graças a isso, foi possível elaborar um plano de estudos sólido, abrangente, atualizado e altamente capacitante, que inclui as últimas novidades em estimativa e técnicas multivariadas.  Trata-se de uma capacitação na qual, embora o conteúdo teórico tenha peso significativo, o material adicional e prático representa uma parte substancial das 450 horas de duração, proporcionando dinamismo e tornando a experiência acadêmica única e agradável.

Graças ao rigor deste plano de estudos, você adquirirá o conhecimento mais abrangente de modelagem estatística por meio da análise de cluster” 

Módulo 1. Estimativa I

1.1. Introdução à inferência estatística

1.1.1. O que é inferência estatística?
1.1.2. Exemplos

1.2. Conceitos gerais

1.2.1. População
1.2.2. Amostras
1.2.3. Amostragem
1.2.4. Parâmetro

1.3. Classificação da inferência estatística

1.3.1. Paramétrica
1.3.2. Não paramétrica
1.3.3. Abordagem clássica
1.3.4. Abordagem bayesiana

1.4. Objetivo da inferência estatística

1.4.1. Quais objetivos?
1.4.2. Aplicações da inferência estatística

1.5. Distribuições associadas à normal

1.5.1. Qui-quadrado
1.5.2. T-Student
1.5.3. F-Snedecor

1.6. Introdução à estimativa pontual

1.6.1. Definição de amostra aleatória simples
1.6.2. Espaço amostral
1.6.3. Estatística e estimador
1.6.4. Exemplos

1.7. Propriedades de estimadores

1.7.1. Suficiência e completude
1.7.2. Teorema de factorização
1.7.3. Estimador não viciado e assintoticamente não viciado
1.7.4. Erro quadrático médio
1.7.5. Eficiência
1.7.6. Estimador consistente
1.7.7. Estimação da média, variância e proporção de uma população

1.8. Procedimentos para construção de estimadores

1.8.1. Método dos momentos
1.8.2. Método da máxima verossimilhança
1.8.3. Propriedades dos estimadores de máxima verossimilhança

1.9. Introdução à estimativa por intervalos

1.9.1. Introdução à definição de intervalo de confiança
1.9.2. Método da quantidade pivotal

1.10. Tipos de intervalos de confiança e suas propriedades

1.10.1. Intervalos de confiança para a média de uma população
1.10.2. Intervalo de confiança para a variância de uma população
1.10.3. Intervalo de confiança para uma proporção
1.10.4. Intervalos de confiança para a diferença de médias populacionais. Populações normais independentes.  Amostras emparelhadas
1.10.5. Intervalo de confiança para a razão de variâncias de duas populações normais independentes
1.10.6. Intervalo de confiança para a diferença de proporções de duas populações independentes
1.10.7. Intervalo de confiança para um parâmetro com base em seu estimador de máxima verossimilhança 
1.10.8. Utilização de um Intervalo de Confiança para rejeitar ou não uma hipótese

Módulo 2. Estimativa II

2.1. Introdução ao teste de hipóteses

2.1.1. Plano do problema
2.1.2. Hipótese nula e alternativa
2.1.3. Estatística do teste
2.1.4. Tipos de erro
2.1.5. Nível de significância
2.1.6. Região crítica. Valor p
2.1.7. Potência

2.2. Tipos de testes de hipóteses

2.2.1. Teste de razão de verossimilhança
2.2.2. Testes sobre médias e variâncias em populações normais
2.2.3. Testes sobre proporções
2.2.4. Relação entre intervalos de confiança e testes de hipóteses

2.3. Introdução à inferência Bayesiana

2.3.1. Distribuições a priori
2.3.2. Distribuições conjugadas
2.3.3. Distribuições de referência
2.4. Estimação Bayesiana
2.4.1. Estimativas pontuais
2.4.2. Estimação de uma proporção
2.4.3. Estimação da média em populações normais
2.4.4. Comparação com métodos clássicos

2.5. Introdução à inferência estatística não paramétrica

2.5.1. Métodos estatísticos não paramétricos: conceitos
2.5.2. Utilização estatística não paramétrica

2.6. Inferência não paramétrica em comparação com inferência paramétrica

2.6.1. Diferenças entre as inferências

2.7. Teste de adequação do ajuste

2.7.1. Introdução
2.7.2. Métodos gráficos
2.7.3. Teste de equação de adequação
2.7.4. Teste de Kolmogorov-Smirnov
2.7.5. Testes de normalidade

2.8. Teste de independência

2.8.1. Introdução
2.8.2. Testes de aleatoriedade. Teste de sequência
2.8.3. Testes de independência em amostras pareadas

2.8.3.1. Teste de Kendall
2.8.3.2. Teste dos postos de Spearman
2.8.3.3. Teste qui-quadrado de independência
2.8.3.4. Generalização do teste qui-quadrado

2.8.4. Testes de independência em k amostras relacionadas

2.8.4.1. Generalização do teste qui-quadrado
2.8.4.2. Coeficiente de concordância de Kendall

2.9. Teste de posição

2.9.1. Introdução
2.9.2. Testes de posição para uma amostra e amostras pareadas

2.9.2.1. Teste de sinais para uma amostra.  Teste da mediana
2.9.2.2. Teste de sinais para amostras pareadas
2.9.2.3. Teste de Wilcoxon de sinais assinados para uma amostra
2.9.2.4. Teste de Wilcoxon de sinais assinados para amostras pareadas

2.9.3. Testes de posição para duas amostras independentes

2.9.3.1. Teste de Wilcoxon-Mann-Whitney
2.9.3.2. Teste da mediana
2.9.3.3. Teste qui-quadrado

2.9.4. Testes de posição para k amostras independentes

2.9.4.1. Teste de Kruskal-Wallis

2.9.5. Testes de posição para k amostras relacionadas

2.9.5.1. Teste de Friedman
2.9.5.2. Q de Cochran
2.9.5.3. W de Kendall

2.10. Teste de homogeneidade

2.10.1. Testes de homogeneidade para 2 amostras independentes

2.10.1.1. Teste de Wald-Wolfowitz
2.10.1.2. Teste de Kolmogorov-Smirnov
2.10.1.3. Teste qui-quadrado

Módulo 3. Técnicas Estatísticas Multivariadas

3.1. Análise fatorial

3.1.1. Introdução
3.1.2. Fundamentos de análise fatorial
3.1.3. Análise fatorial
3.1.4. Métodos de rotação de fatores e interpretação da análise fatorial

3.2. Modelização da análise fatorial

3.2.1. Exemplos
3.2.2. Modelização em software estatístico

3.3. Análise de componentes principais

3.3.1. Introdução
3.3.2. Análise de componentes principais
3.3.3. Sistemática da análise de componentes principais

3.4. Modelização da análise de componentes principais

3.4.1. Exemplos
3.4.2. Modelização em software estatístico

3.5. Análise de correspondência

3.5.1. Introdução
3.5.2. Teste de independência
3.5.3. Perfis de linha e perfis de coluna
3.5.4. Análise da inércia de um conjunto de pontos
3.5.5. Análise de correspondência múltipla

3.6. Modelização da análise de correspondência

3.6.1. Exemplos
3.6.2. Modelização em software estatístico

3.7. Análise discriminante

3.7.1. Introdução
3.7.2. Regras de decisão para dois grupos
3.7.3. Classificação sobre várias populações
3.7.4. Análise discriminante canônica de Fisher
3.7.5. Seleção de variáveis: procedimento Forwrad y Backaward
3.7.6. Sistemática da análise discriminante

3.8. Modelização da análise discriminante

3.8.1. Exemplos
3.8.2. Modelização em software estatístico

3.9. Análise de cluster

3.9.1. Introdução
3.9.2. Medidas de distância e similaridade
3.9.3. Algoritmos de classificação hierárquica
3.9.4. Algoritmos de classificação não hierárquica
3.9.5. Procedimentos para determinar o número adequado de grupos
3.9.6. Caracterização dos clusters
3.9.7. Sistemática da análise de agrupamento

3.10. Modelização da análise de agrupamento

3.10.1. Exemplos
3.10.2. Modelização em software estatístico

Em apenas 6 meses de capacitação, avance para o sucesso na profissão de estatístico e especialize-se em um campo prático, dinâmico e altamente requisitado no mercado de trabalho atual”