Livro Impresso
Estatística e Ciência de Dados
-
ISBN:
9788521638995
- Edição: 2|2025
- Editora: LTC
R$ 259,00
In stock
SKU
42203999
ou em até 10x de R$ 25,90
Edição totalmente revisada e atualizada, incluindo comandos do software R aplicado a análises ao longo do texto.

- Formato: Impresso
- Páginas: 488
- Publicação: 14/01/2025
- Capa: Brochura
- Peso: 1,35 kg
- Dimensões: 21 X 28
Nesta segunda edição, o clássico e referenciado Estatística e Ciência de Dados continua sua trajetória de sucesso e pioneirismo ao abordar esse tema tão atual, sob o ponto de vista estatístico e computacional. Desenvolvido pelos consagrados autores Pedro Morettin e Julio Singer, combina, de maneira didática e objetiva, os fundamentos de análise exploratória de dados – extremamente importantes para a compreensão da Ciência de Dados – aos principais métodos utilizados na área.
Os autores apresentam as ideias que fundamentam os algoritmos de suporte vetorial, árvores de decisão, florestas aleatórias e redes neurais, em um contexto que introduz as principais aplicações do tema (previsão, classificação, redução da dimensionalidade e agrupamento). Há vários exemplos práticos provenientes de análises de dados reais.
O conteúdo foi completamente revisto e atualizado, e foram incluídos novos exemplos e uma breve descrição sobre redes generativas adversárias.
Diferenciais:
• Promove integração entre os conceitos de Estatística, Computação e Ciência de Dados.
• Exibe conjuntos de dados e comandos do software R utilizados para as análises ao longo de todo o texto.
• Oferece inúmeros exemplos práticos, sendo a maioria proveniente de análises de dados reais.
• Apresenta apêndices com conceitos básicos de simulação e otimização, e também sobre algoritmos para dados aumentados.
1 Estatística e Ciência de Dados
I ANÁLISE EXPLORATÓRIA DE DADOS
2 Preparação dos Dados
3 Análise de Dados de Uma Variável
4 Análise de Dados de Duas Variáveis
5 Análise de Dados de Várias Variáveis
II APRENDIZADO SUPERVISIONADO
6 Análise de Regressão
7 Análise de Sobrevivência
8 Regularização e Modelos Aditivos Generalizados
9 Classificação por Meio de Técnicas Clássicas
10 Algoritmos de Suporte Vetorial
11 Árvores e Florestas
12 Redes Neurais
III APRENDIZADO NÃO SUPERVISIONADO
13 Análise de Agrupamentos
14 Redução de Dimensionalidade
APÊNDICES
A Otimização Numérica
B Noções de Simulação
C Algoritmos para Dados Aumentados
Referências Bibliográficas
Índice Alfabético
PEDRO ALBERTO MORETTIN é graduado em Matemática pela Universidade de São Paulo (USP), com mestrado e doutorado em Estatística pela University of California (UC Berkeley), nos Estados Unidos. É autor de diversos livros e inúmeros artigos publicados no Brasil e no exterior. Recebeu o Prêmio ABE, da Associação Brasileira de Estatística (ABE), e também o Mahalanobis Award, do International Statistical Institute (ISI), conferido pelo Governo da Índia. Foi presidente da ABE e do Inter-American Statistical Institute (IASI) e vice-presidente do ISI. Professor Sênior do Departamento de Estatística da USP e editor associado do Journal of Forecasting e do São Paulo Journal of Mathematical Sciences, é, ainda, Professor Emérito do Instituto de Matemática e Estatística da USP (IME-USP) e Pesquisador Emérito do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq).
JULIO DA MOTTA SINGER era graduado em Engenharia pela Escola Politécnica da Universidade de São Paulo (Poli-USP) e mestre em Estatística pelo Instituto de Matemática e Estatística da mesma instituição (IME-USP). Concluiu o doutorado em Bioestatística pela University of North Carolina (UNC-Chapel Hill), nos Estados Unidos. Publicou inúmeros artigos e livros, no Brasil e no exterior. Conquistou o prêmio Grizzle Distinguished Alumnus, promovido pela UNC-Chapel Hill, e o Prêmio ABE, da Associação Brasileira de Estatística (ABE). Foi professor titular do Departamento de Estatística da USP. Faleceu em 2022, deixando um legado indelével de contribuições, e continua a inspirar estudantes, professores e profissionais no Brasil e no mundo.