2  Sumário

AvisoNota

Este sumário está em desenvolvimento e será atualizado continuamente.

2.1 Parte I: Fundamentos

2.1.1 Capítulo 1: Preliminares

  1. Introdução
  2. Modelos Estatísticos
  3. Estatística e Ciência de Dados
    • Aprendizado Supervisionado
    • Aprendizado Não Supervisionado
    • Dados e Megadados (Big Data)
    • Programação Clássica vs. “Machine Learning”
  4. Aspectos Computacionais
    • O Repositório R
  5. Métodos Gráficos
  6. Conjuntos de Dados
  7. Plano do Livro

2.2 Parte II: Análise Exploratória de Dados

2.2.1 Capítulo 2: Resumo de Dados

  1. Tipos de Variáveis
  2. Distribuições de Frequências
  3. Gráficos
    • Gráficos para Variáveis Qualitativas
    • Gráficos para Variáveis Quantitativas
  4. Diagrama de Ramo e Folhas
  5. Exemplos Computacionais
  6. Problemas Suplementares
  7. Complementos Metodológicos

2.2.2 Capítulo 3: Medidas-Resumo

  1. Medidas de Posição (Média, Mediana, Moda)
  2. Medidas de Dispersão (Variância, Desvio Padrão)
  3. Quantis Empíricos (Quartis, Decis, Percentis)
  4. “Box Plots” (Diagrama de Caixa)
  5. Gráficos de Simetria
  6. Transformações de Dados
  7. Exemplos Computacionais
  8. Problemas Suplementares
  9. Complementos Metodológicos

2.2.3 Capítulo 4: Análise de Dados Multivariados

  1. Introdução
  2. Análise de Variáveis Qualitativas
  3. Associação entre Variáveis Qualitativas
  4. Medidas de Associação para Variáveis Qualitativas
  5. Associação entre Variáveis Quantitativas
  6. Associação entre Variáveis Qualitativas e Quantitativas
  7. Gráficos q × q (Quantil-Quantil)
  8. Análise com Três ou Mais Variáveis
  9. Problemas Suplementares
  10. Complementos Metodológicos