Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Universidade de São Paulo

Estatística não-paramétrica para a tomada de decisão

Universidade de São Paulo via Coursera

Overview

Os testes estatísticos não-paramétricos são métodos que têm maior relevância nas ciências sociais aplicadas, pois permitem trabalhar com pequenas amostras ou amostras das quais não se tenha certeza de que sejam provenientes de população com distribuição normal, assumindo poucas hipóteses sobre a distribuição de probabilidade da população. Estes testes são adequados para apoiar a tomada de decisão dentro das organizações em situações nas quais não seja atendido algum dos requisitos para a aplicação dos testes estatísticos paramétricos, como o teste Z, o teste T, e o teste F de análise de variância – ANOVA, que dependem: (i) da condição de a amostra ter sido extraída de uma população distribuída de acordo com distribuição normal (de Gauss); (ii) da escala de medida da variável aleatória ser contínua; e (iii) do tamanho da amostra ser maior do que 30 observações. Neste sentido, este curso irá abordar as principais técnicas não-paramétricas incluindo: testes de hipótese não-paramétricos para uma amostra, duas ou mais amostras relacionadas, duas ou mais amostras independentes e suas aplicações. Ao terminar o curso, você terá aumentado significativamente seu repertório de técnicas estatísticas com base nestes testes não-paramétricos para o adequado apoio a tomada de decisão.

Syllabus

  • SOBRE O CURSO
    • O teste de hipóteses é uma das principais ferramentas para inferência estatística. Este tipo de ferramenta de apoio à tomada de decisão permite testar hipóteses que são construídas a partir de evidências amostrais para confrontar a população da qual foi extraída. Muito utilizado em diferentes áreas do conhecimento, sua aplicação possui uma estrutura comum, apesar de requerer adaptações operacionais para aplicação em problemas que envolvem diferentes tipos de variáveis, com tamanho de amostra grandes ou pequenos e para quando conhecemos ou não a distribuição da variável na população. Ao final deste curso espera-se que você possa descrever a estrutura dos testes paramétricos e não-paramétricos, listar quais são os testes de hipóteses não-paramétricos mais importantes, aplicar o teste não-paramétrico mais adequado para cada situação, e interpretar resultados e tomar decisões.
  • ESTRUTURA DOS TESTES DE HIPÓTESES
    • Ao final deste módulo espera-se que você possa descrever a estrutura geral dos testes de hipóteses, incluindo sua subdivisão em testes do tipo paramétrico e não-paramétrico. Os conceitos também serão revisados a partir da apresentação dos testes de hipóteses paramétricos de média e de proporções.
  • TIPOS DE TESTES DE HIPÓTESES NÃO-PARAMÉTRICOS
    • Ao final deste módulo espera-se que você possa descrever as principais diferenças entre os testes de hipóteses paramétricos e não-paramétricos e escolher qual o teste de hipóteses mais adequado para cada situação. Para isto, serão apresentados critérios efetivos para auxiliar na identificação de qual o teste não-paramétrico é o mais adequado para cada situação.
  • MODELAGEM DOS TESTES DE HIPÓTESES NÃO-PARAMÉTRICOS
    • Este módulo contém a apresentação detalhada de cada uma dos testes de hipóteses não-paramétricos. Ao final deste módulo espera-se que você possa modelar a estrutura para a aplicação do teste de hipóteses não-paramétrico mais adequado.
  • RESULTADOS DOS TESTES DE HIPÓTESES E TOMADA DE DECISÃO
    • Ao final deste módulo espera-se que você possa interpretar os resultados das aplicações envolvendo testes não paramétricos e tomar decisões

Taught by

Alexandre Leoneti

Reviews

4.4 rating at Coursera based on 137 ratings

Start your review of Estatística não-paramétrica para a tomada de decisão

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.