Descrição do curso Análise Bayesiana de Dados com R
O curso Análise Bayesiana de Dados com R utiliza conceitos de probabilidade próximos do entendimento intuitivo popular, o que faz com que o seu aprendizado seja muito mais fácil e natural, se comparado aos métodos clássicos. Com isso a compreensão de procedimentos estatísticos é facilitada reduzindo a necessidade de memorizar equações e soluções algébricas.
São 8 horas de vídeo aulas, estudo de casos, atividades de fixação e material de apoio. Tudo orientado para aplicações práticas, tendo como referência fenômenos biológicos, com modelos estatísticos desenvolvidos no R Programming.
Objetivo do Curso
Ser um curso inicial, que forneça uma base sólida, para quem deseja trabalhar com Estatística Bayesiana.
Pré-requisitos
- Ter feito o Curso Probabilidade I, ou ter conhecimentos equivalentes.
- Ter conhecimentos básicos na linguagem de programação R (desejável, mas não é mandatório).
Para quem se destina
- Analistas de dados, que queiram aprender do zero análise bayesiana de dados, como uma alternativa aos métodos estatísticos clássicos.
- Pesquisadores e estudantes em geral.
- Cientistas de Dados.
Certificado
Para obter o certificado digital de conclusão o aluno deverá ter concluído 90% ou mais das atividades.
Condições de Pagamento*
Parcelamos em até 10x no cartão de crédito ou à vista no boleto bancário, pelo sistema PagSeguro.
Após realizado o pagamento o aluno terá até 7 dias para desistir do curso ou antes de concluir o primeiro módulo (o que vencer primeiro). Caso o aluno desista do curso será reembolsado em até 30 dias com o valor integral, menos 4% referente às taxas administrativas.
* Para alunos residentes fora do Brasil emitimos ordem de pagamento pelo sistema PayPal. Para mais informações enviar mensagem para financeiro@metodosexatos.com.br
Professor responsável
André L.M.F. Santos
Matemático/Estatístico com Mestrado em Eng. de Produção.
Profissional com mais de 20 anos de experiência no setor acadêmico e corporativo.
Atualmente, faz doutorado em Marketing, pesquisando métodos quantitativos para otimização de investimento em meios digitais.
Currículo do Curso
INTRODUÇÃO À ANÁLISE BAYESIANA | |||
BAYES – 003 Programa do Curso | 00:02:32 | ||
BAYES – 004 Panorama Geral | 00:04:06 | ||
BAYES – 005 Frequentistas vs Bayesianos | 00:05:10 | ||
BAYES – 006 Recursos | 00:02:41 | ||
BAYES – 007 Estudo da Maturidade Sexual do Peixe-Galo | 00:02:05 | ||
BAYES – 008 Introdução ao Uso do R | 00:11:31 | ||
BAYES – 009 Sobre as Demais Seções | 00:04:23 | ||
MEDIÇÃO DE INCERTEZA | |||
BAYES – 010 Conceito Bayesiano de Probabilidade | 00:04:59 | ||
BAYES – 011 Lógica Indutiva | 00:04:20 | ||
BAYES – 012 Operações Lógicas com Eventos | 00:05:56 | ||
BAYES – 013 Regras de Probabilidades | 00:02:56 | ||
BAYES – 014 Probabilidade de E Condicionado ao Fato H | 00:03:31 | ||
BAYES – 015 Leis de Probabilidades | 00:05:36 | ||
BAYES – 016 Aferição de Probabilidades | 00:05:19 | ||
BAYES – 017 Experimento de Calibração – parte 1 | 00:04:42 | ||
BAYES – 018 Experimento de Calibração – parte 2 | 00:07:48 | ||
BAYES – 019 Teorema da Probabilidade Total – parte 1 | 00:05:48 | ||
BAYES – 020 Teorema da Probabilidade Total – parte 2 | 00:08:41 | ||
BAYES – 021 Teorema da Probabilidade Total – parte 3 | 00:09:52 | ||
BAYES – 022 Teorema de Bayes | 00:16:24 | ||
BAYES – 023 Exercício 2.6 a | 00:11:08 | ||
BAYES – 024 Exercício 2.6 b | 00:02:21 | ||
BAYES – 025 Exercício 2.10 | 00:08:22 | ||
BAYES – 026 Exercício 2.12 a | 00:09:27 | ||
BAYES – 027 Exercício 2.12 b | 00:03:46 | ||
BAYES – 028 Exercício 2.13 | 00:03:16 | ||
BAYES – 029 Solução – Exercício 2.13 a | 00:04:10 | ||
BAYES – 030 Solução – Exercício 2.13 b | 00:06:53 | ||
BAYES – 031 Solução – Exercício 2.13 c | 00:03:31 | ||
BAYES – 032 Solução – Exercício 2.13 d | 00:03:41 | ||
BAYES – 033 Resumo das Regras de Probabilidade | 00:14:14 | ||
BAYES – Slides M02:: MEDIÇÃO DE INCERTEZA | 00:00:00 | ||
QBAYES02 – MEDIÇÃO DE INCERTEZA | Ilimitado | ||
DISTRIBUIÇÕES DE PROBABILIDADES | |||
BAYES – 034 Variáveis Aleatórias | 00:07:48 | ||
BAYES – 035 Variáveis Aleatórias Discretas | 00:08:34 | ||
BAYES – 036 Variáveis Aleatórias Contínuas | 00:04:25 | ||
BAYES – 037 Distribuições de Probabilidade | 00:04:40 | ||
BAYES – 038 Distribuição Uniforme Discreta | 00:06:10 | ||
BAYES – 039 Modelo Probabilístico UD no R | 00:12:04 | ||
BAYES – 041 Modelo Probabilístico Bin no R | 00:15:47 | ||
BAYES – 042 Distribuição Hipergeométrica | 00:05:50 | ||
BAYES – 043 Modelo Probabilístico Hip no R | 00:07:32 | ||
BAYES – 044 Distribuição de Poisson | 00:05:11 | ||
BAYES – 045 Modelo Probabilístico Pois no R | 00:05:12 | ||
BAYES – 046 Distribuição Binomial Negativa | 00:05:27 | ||
BAYES – 047 Modelo Probabilístico BinN no R | 00:04:52 | ||
BAYES – 048 Distribuição Contínua U(c,d) | 00:02:47 | ||
BAYES – 049 Distribuição Beta | 00:02:53 | ||
BAYES – 050 Distribuição Beta Generalizada | 00:02:16 | ||
BAYES – 051 Distribuição Exponencial | 00:02:27 | ||
BAYES – 052 Distribuição Gamma | 00:02:43 | ||
BAYES – 053 Distribuição Gamma-Inversa | 00:02:35 | ||
BAYES – 054 Distribuição Normal | 00:03:24 | ||
BAYES – 055 Distribuição de Student | 00:02:37 | ||
BAYES – Slides M03:: DISTRIBUIÇÕES DE PROBABILIDADES | 00:00:00 | ||
QBAYES03 – DISTRIBUIÇÕES DE PROBABILIDADES | Ilimitado | ||
ANÁLISE BAYESIANA DE DADOS | |||
BAYES – 056 Introdução Análise Bayesiana de Dados | 00:03:09 | ||
BAYES – 057 Construção da Distribuição Posterior | 00:10:20 | ||
BAYES – 058 Probabilidades Posteriores para Famílias Conjugadas de Distribuições | 00:04:48 | ||
BAYES – 059 Exemplo 4.1 | 00:02:54 | ||
BAYES – 060 Exemplo 4.1 – Aplicação | 00:06:22 | ||
BAYES – 061 Atividade 4.2 | 00:04:16 | ||
BAYES – 062 Solução Atividade 4.2 | 02:55:00 | ||
BAYES – 063 Atividade 4.2 (Continuação) | 00:02:50 | ||
BAYES – 064 Solução Atividade 4.2 (Continuação) | 00:04:08 | ||
BAYES – 065 Exemplo 4.3 | 00:05:34 | ||
BAYES – 066 Exemplo 4.3 (Continuação) | 00:06:48 | ||
BAYES – 067 Desenvolvimento de Posteriores com Famílias Conjugadas no R | 00:11:16 | ||
BAYES – 068 Famílias Conjugadas para Amostras da Distribuição Normal | 00:02:26 | ||
BAYES – 069 Priori Informativa | 00:03:53 | ||
BAYES – 070 Atividade 4.3 (Reavaliando) | 00:02:30 | ||
BAYES – 071 Desenvolvimento do Modelo Normal-Gama com Priori Informativa no R | 00:11:18 | ||
BAYES – 072 Distribuição Posterior Marginal | 00:02:10 | ||
BAYES – 073 Distribuição Posterior Marginal no R | 00:03:07 | ||
BAYES – 074 Priori Não-Informativa | 00:05:07 | ||
BAYES – 075 Hiper-parâmetros da Priori Normal-Gama | 00:05:32 | ||
BAYES – Material de Apoio M04:: ANÁLISE BAYESIANA DE DADOS | 00:00:00 | ||
QBAYES04 – ANÁLISE BAYESIANA DE DADOS | Ilimitado | ||
INFERÊNCIA BAYESIANA | |||
BAYES – 076 Introdução à Inferência Bayesiana | 00:01:20 | ||
BAYES – 077 Análise Bayesiana de Decisão | 00:03:24 | ||
BAYES – 078 Exemplo 6.1 – Análise de Decisão para Maturação do Peixe Galo | 00:05:13 | ||
BAYES – 079 Perda | 00:02:15 | ||
BAYES – 080 Estimativa de Θ e Desvio Padrão Posterior | 00:06:00 | ||
BAYES – 081 Intervalo de Credibilidade | 00:04:09 | ||
BAYES – 082 Testes de Hipóteses | 00:05:53 | ||
BAYES – 083 Teste de Hipótese Unilateral | 00:06:25 | ||
BAYES – 084 Teste de Hipótese Bilateral | 00:07:00 | ||
BAYES – 085 Fator de Bayes | 00:02:37 | ||
BAYES – 086 Aplicação do Fator de Bayes | 00:05:02 | ||
BAYES – 087 Aplicação do Fator de Bayes no R | 00:02:49 | ||
BAYES – 088 Considerações Finais | 00:03:49 | ||
BAYES – Material de Apoio M05:: INFERÊNCIA BAYESIANA | 00:00:00 | ||
Pesquisa de Satisfação | Ilimitado |
Course Reviews
No Reviews found for this course.