Escolar Documentos
Profissional Documentos
Cultura Documentos
ANÁLISE DE
DADOS NO R
Autor
Reitor da UNIASSELVI
Pró-Reitora do EAD
UNIASSELVI
ETAPA 2
ANÁLISE DE
DADOS NO R
1 AMOSTRAGEM
A amostragem é o processo de seleção de uma amostra, que possibilita
o estudo de características de uma população e tem por objetivo produzir
estimadores para parâmetros populacionais desconhecidos (BOLFARINE;
BUSSAB, 2005).
1.1 População
Uma população é o conjunto formado por todas as unidades elementares
(indivíduos ou objetos) que têm pelo menos uma variável comum e observável
(MORETTIN, 2010). Por exemplo:
1.2 Amostra
Fixada uma população, qualquer subconjunto formado exclusivamente
por seus elementos é denominado amostra dessa população. Usaremos n.
para indicar o número de elementos da amostra, o seu tamanho.
FONTE: O autor
• Amostragem sistemática
FONTE: O autor
2 INFERÊNCIA
A Inferência estatística é um conjunto de técnicas que objetiva estudar
a população através de evidências fornecidas por uma amostra (MAGALHÃES;
LIMA, 2002).
FONTE: O autor
(é um estimador viesado)
multiplicando pelo fator de correção de
Bessel temos:
• Amostras grandes
3 CORRELAÇÃO E REGRESSÃO
Em problemas das mais diferentes áreas do conhecimento é de grande
interesse verificar se duas ou mais características (variáveis) de um fenômeno
que está sendo investigado estão, de alguma forma, relacionadas.
FONTE: O autor
FONTE: O autor
• Observações
FONTE: O autor
6.1 O MODELO
Um modelo para descrever os dados é denotado por:
.
CURSO LIVRE – ESTATÍSTICA BÁSICA COM USO DO SOFTWARE R
Análise de Variância pode ser resumida através da Tabela ANOVA (Análise
da Variância) e esta será utilizada para testar as hipóteses de interesse, por
meio da estatística F cuja distribuição de Fisher-Snedecor com (k - 1) e (N -
k) graus de liberdade.
QUADRO 1 – ANOVA
FONTE: O autor
Construa a ANOVA.
FONTE: O autor
REFERÊNCIAS
ASSUNÇÃO, R. Fundamentos Estatísticos de ciência de Dados. BOOK-
WEBSITE.COM, 2017. Disponível em: https://homepages.dcc.ufmg.
br/~assuncao/EstatCC/FECD.pdf. Acesso em: 7 jun. 2021.
MASSARON, L; MUELLER, J.P. Python for Data Science For Dummies. Nova
Jersey: Wiley, 2015.