e-Book
E-book Manual de Análise de Dados
-
ISBN:
9788595159938
- Edição: 2|2024
- Editora: GEN LTC
Referência nacional em Análise de Dados.
Manual de Análise de Dados – Estatística e Machine Learning com Excel®, SPSS®, Stata®, R® e Python® consagrou-se no mercado por sua metodologia hands-on, em que o leitor aprende praticando, do primeiro ao último capítulo.
Para se tornar ainda mais completa, a 2a edição foi totalmente revista e atualizada e traz abordagem inédita das linguagens contemporâneas mais utilizadas, incluindo R® e Python®.
Ao longo de 18 capítulos – divididos em três blocos temáticos –, são abordadas as principais técnicas estatísticas, de modelagem multivariada e de machine learning, que permitem aos leitores aprender seus fundamentos, traduzi-los para linguagem de máquina – incluindo implementação dos algoritmos em softwares específicos – e tomar decisões cotidianas a partir dos dados obtidos, seja em ambientes acadêmicos, governamentais ou organizacionais.
Cada capítulo está estruturado em uma mesma lógica de apresentação, com o objetivo de contextualizar e integrar teoria e aplicações. Após a introdução dos conceitos pertinentes a cada técnica de modelagem, são utilizadas bases de dados que possibilitam a resolução de exercícios práticos em Excel®, SPSS®, Stata®, R® e Python®.
O livro é destinado a estudantes de graduação, pós-graduação e MBA em áreas de Ciências Exatas, Humanas, Sociais Aplicadas e Biomédicas, assim como a profissionais de empresas e pesquisadores que tenham interesse em se especializar em Data Science, Analytics e Machine Learning.
Nas palavras do renomado Professor Luiz A. Esteves, PhD em Economia, que assina o contundente Prefácio do livro, “trata-se de um clássico, uma referência bibliográfica indispensável ao profissional que objetiva desempenhar Ciência de Dados em alto nível”.
PARTE I: ESTATÍSTICA APLICADA
Parte I.1 Introdução
Capítulo 1 Tipos de Variáveis e Escalas de Mensuração e Precisão
Parte I.2 Estatística Descritiva
Capítulo 2 Estatística Descritiva Univariada
Capítulo 3 Estatística Descritiva Bivariada
Parte I.3 Estatística Probabilística
Capítulo 4 Introdução à Probabilidade
Capítulo 5 Variáveis Aleatórias e Distribuições de Probabilidade
Parte I.4 Estatística Inferencial
Capítulo 6 Amostragem
Capítulo 7 Testes de Hipóteses
Capítulo 8 Testes Não Paramétricos
PARTE II: TÉCNICAS MULTIVARIADAS EXPLORATÓRIAS
Capítulo 9 Análise de Agrupamentos
Capítulo 10 Análise Fatorial por Componentes Principais
Capítulo 11 Análise de Correspondência Simples e Múltipla
PARTE III: TÉCNICAS MULTIVARIADAS CONFIRMATÓRIAS: MODELOS DE REGRESSÃO
Parte III.1 Modelos Lineares Generalizados
Capítulo 12 Modelos de Regressão Simples e Múltipla
Capítulo 13 Modelos de Regressão Logística Binária e Multinomial
Capítulo 14 Modelos de Regressão para Dados de Contagem: Poisson e Binomial Negativo
Parte III.2 Modelos de Regressão para Dados em Painel
Capítulo 15 Modelos Longitudinais de Regressão para Dados em Painel
Capítulo 16 Modelos Multinível de Regressão para Dados em Painel
Parte III.3 Outros Modelos de Regressão
Capítulo 17 Modelos de Regressão para Dados de Sobrevivência: Riscos Proporcionais de Cox
Capítulo 18 Modelos de Regressão com Múltiplas Variáveis Dependentes: Correlação Canônica
Luiz Paulo Fávero é professor titular e livre-docente (ênfase em Métodos Quantitativos e Modelagem Econométrica) da Faculdade de Economia, Administração, Contabilidade e Atuária da Universidade de São Paulo (FEA/USP), além de orientador nos programas de mestrado e doutorado nessa instituição e na Escola Politécnica da USP (POLI/USP), onde leciona disciplinas de Análise de Dados, Machine Learning e Modelagem Multivariada.
Tem pós-doutorado em Econometria e Modelagem de Dados pela Columbia University, em Nova Iorque. É, ainda, mestre e doutor pela FEA/USP (ênfase em Modelagem Aplicada de Dados), tendo recebido menção honrosa por ambos os trabalhos. É também engenheiro civil formado pela POLI/USP e pós-graduado em Administração pela Escola de Administração de Empresas de São Paulo da Fundação Getulio Vargas (EAESP/FGV).
Patrícia Belfiore é professora associada da Universidade Federal do ABC (UFABC), onde leciona disciplinas de Estatística, Modelagem Multivariada, Pesquisa Operacional, Planejamento e Controle de Produção e Logística para o curso de Engenharia de Gestão. É mestre em Engenharia Elétrica e doutora em Engenharia de Produção pela Escola Politécnica da Universidade de São Paulo (POLI/USP). Possui pós-doutorado em Pesquisa Operacional e Machine Learning pela Columbia University, em Nova Iorque. Lecionou disciplinas de Pesquisa Operacional, Análise Multivariada de Dados e Gestão de Operações e Logística em cursos de graduação e mestrado no Centro Universitário da FEI e na Escola de Artes, Ciências e Humanidades da Universidade de São Paulo (EACH/USP).