3. Fundamentos da Probabilidade para Análise de Dados

“Aprenda os conceitos fundamentais de probabilidade e variáveis aleatórias que servem de base para a Estatística, Econometria, Ciência de Dados, Machine Learning e Inteligência Artificial.”

Objetivo do curso:

O curso Fundamentos da Probabilidade para Análise de Dados foi desenvolvido para introduzir os principais conceitos da Teoria das Probabilidades e das Variáveis Aleatórias, fornecendo a base conceitual necessária para a compreensão da Inferência Estatística, dos Modelos de Regressão, da Econometria, da Ciência de Dados e do Machine Learning.

Ao longo do curso, o participante aprenderá a interpretar fenômenos aleatórios, compreender o conceito de probabilidade, identificar diferentes tipos de variáveis aleatórias e analisar as principais distribuições de probabilidade utilizadas em aplicações práticas. Serão estudadas as distribuições discretas e contínuas mais importantes, bem como a utilização de tabelas estatísticas e gráficos para interpretação de probabilidades e valores críticos.

O curso possui uma abordagem intuitiva e aplicada, priorizando a compreensão dos conceitos e sua interpretação prática, sem aprofundamentos matemáticos excessivos.

Público-alvo:

Estudantes de graduação e pós-graduação;
Profissionais das áreas de Administração, Economia, Finanças, Engenharia, Saúde, Educação e Ciências Sociais;
Analistas de dados e pesquisadores;
Profissionais interessados em Estatística, Ciência de Dados e Inteligência Artificial;
Participantes que desejam construir uma base sólida para cursos mais avançados de Estatística e Econometria.

Requisitos:

Recomenda-se ter conhecimentos básicos de Estatística Descritiva.

Não são necessários conhecimentos avançados de Matemática, Programação ou Softwares Estatísticos.

Conteúdo Programático

Módulo 1 – Introdução à Probabilidade e Variáveis Aleatórias

Conceito de probabilidade;
Fenômenos aleatórios;
Experimento aleatório;
Espaço amostral e eventos;
Interpretação intuitiva da probabilidade;
Aplicações da probabilidade na análise de dados;
Conceito de variável aleatória;
Variáveis aleatórias discretas e contínuas;
Relação entre dados observados e variáveis aleatórias.

Módulo 2 – Variáveis Aleatórias Discretas

Definição de variável aleatória discreta;
Características e propriedades;
Função de probabilidade;
Construção de distribuições discretas;
Representação gráfica;
Aplicações em problemas reais;
Exemplos de variáveis aleatórias discretas.

Módulo 3 – Distribuição Uniforme Discreta

Conceito da distribuição uniforme;
Função de probabilidade;
Valor esperado;
Variância;
Aplicações práticas.

Módulo 4 – Distribuição Binomial

Experimentos de Bernoulli;
Parâmetros da distribuição;
Função de probabilidade;
Média e variância;
Aplicações práticas.

Módulo 5 – Distribuição de Poisson

Conceito de eventos raros;
Parâmetro da distribuição;
Função de probabilidade;
Média e variância;
Aplicações em filas, acidentes e defeitos.

Módulo 6 – Distribuição Binomial Negativa

Conceito e aplicações;
Interpretação dos parâmetros;
Função de probabilidade;
Aplicações práticas.

Módulo 7 – Esperança Matemática e Variabilidade

Valor esperado;
Variância;
Desvio padrão;
Interpretação das medidas;
Aplicações em análise de risco e tomada de decisão.

Módulo 8 – Variáveis Aleatórias Contínuas

Definição de variável aleatória contínua;
Características e propriedades;
Função densidade de probabilidade;
Área sob a curva;
Probabilidades em variáveis contínuas;
Representação gráfica;
Aplicações práticas.

Módulo 9 – Distribuição Normal

Conceito da distribuição normal;
Média e desvio padrão;
Distribuição normal padrão;
Padronização de variáveis;
Interpretação gráfica;
Aplicações em Estatística e Ciência de Dados.

Módulo 10 – Utilização da Tabela da Distribuição Normal

Estrutura da tabela Z;
Cálculo de probabilidades;
Probabilidades acumuladas;
Valores críticos;
Exercícios práticos;
Interpretação dos resultados.

Módulo 11 – Distribuição t de Student

Conceito da distribuição t;
Graus de liberdade;
Comparação com a distribuição normal;
Interpretação gráfica;
Utilização da tabela t;
Valores críticos.

Módulo 12 – Distribuição Qui-Quadrado

Conceito da distribuição Qui-Quadrado;
Graus de liberdade;
Interpretação gráfica;
Utilização da tabela Qui-Quadrado;
Valores críticos;
Aplicações em Estatística.

Módulo 13 – Distribuição F

Conceito da distribuição F;
Graus de liberdade;
Interpretação gráfica;
Utilização da tabela F;
Valores críticos;
Aplicações em testes estatísticos.

Módulo 14 – Comparação das Principais Distribuições Contínuas

Distribuição Normal;
Distribuição t;
Distribuição Qui-Quadrado;
Distribuição F;
Semelhanças e diferenças;
Aplicações práticas.

Módulo 15 – Aplicações da Probabilidade na Análise de Dados

Interpretação de probabilidades;
Tomada de decisão sob incerteza;
Introdução à Inferência Estatística;
Relação entre probabilidade e regressão;
Estudos de caso com dados reais;
Preparação para cursos avançados de Estatística e Econometria.

Participar das Primeiras Aulas Gratuitamente

Clique aqui para realizar seu cadastro.

Após o cadastro, o link de acesso às aulas gratuitas será enviado para o e-mail ou WhatsApp informado.

Uma excelente oportunidade para conhecer a metodologia do curso antes de realizar sua matrícula.

Carga Horária

20 horas

A carga horária contempla:

10 horas de videoaulas gravadas;
Número de aulas: 50;
Leitura de material didático complementar;
Exercícios de fixação;
Estudos de caso e aplicações práticas;
Atividades de estudo individual e revisão dos conteúdos.

Professor

Dr. Carlos Enrique Carrasco Gutierrez

Doutor em Economia pela FGV/EPGE e Doutor em Engenharia Elétrica pela PUC-Rio, com ampla experiência em Estatística, Econometria, Ciência de Dados, Avaliação de Políticas Públicas e Métodos Quantitativos. Professor, pesquisador e autor de livros e artigos científicos nacionais e internacionais.