Estatística não paramétrica para a tomada de decisão

Conteúdos por módulos e sua integração

Bem-vindo ao curso de estatística não-paramétrica para a tomada de decisão.

Este curso é oferecido por meio de uma parceria entre a Universidade de São Paulo
(USP) e o Coursera.Org. O curso foi idealizado para difundir os principais conceitos de
estatística não paramétrica para os interessados em aplicações em ciências sociais,
especificamente para a difusão dos testes de hipóteses não paramétricos.
Os testes de hipóteses não paramétricos são métodos que têm maior relevância
nas ciências sociais aplicadas justamente por permitirem trabalhar com pequenas
amostras, assumir poucas hipóteses sobre a distribuição de probabilidade da população
e permitir trabalhar com diferentes tipos de variáveis da contínua. Estes testes são
adequados para apoiar a tomada de decisão 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 ser contínua; e (iii)
do tamanho da amostra ser maior do que 30 observações.
O curso é primordialmente direcionado para estudantes de graduação e pós-
graduação de cursos de ciências sociais aplicadas e áreas afins, que já tenham cursado
estatística e tenham estudado testes de hipóteses do tipo paramétricos (teste Z, o teste T,
e o teste F de análise de variância – ANOVA). Todavia, considerando que o curso
também abrange a estruturação (modelagem) de um teste de hipóteses, o seu escopo se
torna mais amplo, incluindo tomadores de decisão de qualquer área de conhecimento
que desejam resolver um problema específico a partir desta técnica estatística.
Ao terminar o curso, espera-se que você será capaz de:

 distinguir e justificar o uso de testes paramétricos e não paramétricos;

 listar e escolher entre as técnicas estatísticas não paramétricas;
 aplicar diferentes testes de acordo com as características da amostra;
 interpretar resultados de testes não paramétricos

Prof. Dr. Alexandre Bevilacqua Leoneti Pag. 1

 Estatística não paramétrica para a tomada de decisão

A partir do conceito de backwards learning, estes objetivos gerais de

aprendizado do curso foram divididos em 5 módulos, sendo o primeiro este de
introdução ao curso. Dentre os demais, o módulo 2 explora os principais conceitos que
serão abrangidos ao longo do curso, a estrutura padrão dos testes de hipóteses não
paramétricos e inicia no tópico da aplicação dos testes. Este módulo é uma revisão dos
testes estatísticos não paramétricos. O módulo 3 apresenta as principais diferenças entre
os testes paramétricos e não paramétricos e também as características de cada teste de
hipótese não paramétrico. Este módulo é importante, pois contém uma apresentação
geral dos testes. O módulo 4, principal módulo do curso, foca na prática da aplicação
dos testes de hipóteses não paramétricos, incluindo a formulação da hipótese nula e
hipótese alternativa, determinação do nível de significância a ser seguido, escolha do
teste mais adequado para um determinado problema, e interpretação dos resultados. Este
módulo é o principal módulo a ser consultado por quem busca apenas aplicar um teste
de hipóteses corretamente, sem, necessariamente, conhecer sua estrutura teórica em
detalhes. Por fim, no módulo 5, há uma revisão sobre os conceitos apresentados sob a
visão da tomada de decisão.

Prof. Dr. Alexandre Bevilacqua Leoneti Pag. 2