Ir direto para menu de acessibilidade.
Portal do Governo Brasileiro
Início do conteúdo da página

Abertas inscrições para minicurso de extensão "Estatística para Múltiplas Comparações com R"

  • Publicado: Terça, 08 de Maio de 2018, 14h34
  • Última atualização em Quinta, 17 de Maio de 2018, 10h18

Minicurso Estatística para Múltiplas Comparações com R 500x300

Ocorrerá neste mês de maio o minicurso "Estatística para Múltiplas Comparações com R" a ser ministrado pelo Prof. Me. Ciniro Nametala do Departamento de Engenharia e Computação do IFMG Bambuí. Este minicurso, com duração de 4 horas, será ofertado pela Diretoria de Extensão, Esportes e Cultura. Todos os participantes que estiverem presentes e tiverem aproveitamento nas atividades solicitadas durante o evento receberão certificado.

Estão disponíveis 35 vagas, sendo 25 para comunidade interna do campus e 10 para comunidade externa. Alguns pré-requisitos desejáveis são: interesse por estatística, matemática e conhecimentos básicos em linguagens de programação.

O minicurso ocorrerá no dia 21/05/2018 (Segunda-Feira), no Laboratório de Informática II, das 18:00 às 22:00 horas.

A ordem de inscrição será utilizada como ordem de classificação. O formulário para os interessados (disponível neste link: https://goo.gl/forms/5Fcr4p0s2Gp38tcH2) ficará disponível até o dia 16/05/2018 às 19:00 ou até o total preenchimento das vagas. A lista com as inscrições deferidas será publicada a partir do dia 18/05/2018.

 

RESUMO DO MINICURSO:

Ambientes de produção adotando um novo procedimento, pesquisadores conduzindo uma nova bateria de testes em um experimento, empresas testando uma nova máquina, um professor adotando um novo modelo de correção de provas, além de uma infinidade de situações similares a essas irão gerar amostras de dados. Amostras de dados podem conter informações como medidas de tempo para um processo que acabou de ser executado várias vezes, vida útil de alguns exemplares de produtos que estão sendo testados por consumidores, medidas de qualidade e eficiência na linha de produção de uma fábrica e muito mais. 

É interesse das pessoas que conduzem estas coletas de dados determinar se uma amostra, em comparação com outras, apresenta diferenças significantes. Essa constatação de diferença poderia, por exemplo, apoiar uma tomada de decisão quanto a alterar a forma de desempenhar uma atividade ou a forma como um produto é produzido. Normalmente, vemos muito o uso de medidas estatísticas simples como média e desvio padrão para determinar o quão uma amostra é diferente de outras, no entanto, existem sérios problemas que podem colocar em descrédito conclusões feitas quando se opta por essa abordagem. 

Neste minicurso os alunos irão ter contato com ferramentas estatísticas que permitem realizar testes de múltiplas comparações com amostras de dados distintas. Os alunos irão aprender a determinar melhores testes, aplica-los e, o mais importante, interpretá-los corretamente. Uma breve introdução ao ambiente estatístico R será realizada. Espera-se que ao final do curso, o aluno seja capaz de tomar melhores decisões tendo por base conclusões originadas de uma condução de experimentos formalizada.

 

CONTEÚDO PROGRAMÁTICO:

• Breve introdução ao ambiente estatístico R e RStudio;

• Procedimentos importantes na coleta e geração de amostras de dados;

• Condução de análises preliminares;

• Medidas estatísticas simples e suas limitações nas atividades de comparação;

• Tratamento e análise básica de dados;

• Visualizações gráficas;

• Padronização de dados;

• Identificação de outliers;

• Conceitos em análise e planejamento de experimentos;

• Distribuições;

• Significância estatística;

• Testes de hipótese e p-valor;

• Teste de normalidade;

• Conceito de potência estatística;

• Cálculo de tamanho amostral baseado em variância;

• Testes para avaliação de premissas para teste paramétrico ANOVA de n-fatores;

• Normalidade;

• Homocedasticidade;

• Independência;

• Uso e interpretação de ANOVA de n-fatores;

• Uso e interpretação de teste não paramétrico de Wilcox;

• Uso e interpretação de teste não paramétrico de Kruskal-Wallis.

 

Fonte: Prof. Ciniro Nametala

Compartilhe:
registrado em:
Fim do conteúdo da página