Rating 4.68 out of 5 (48 ratings in Udemy)

• Instalação do R e do R Studio;
• Contextualização do ambiente R e sua linguagem;
• Contextualização da ciência bioestatística
• Distribuições teóricas de probabilidades e sua relação com as análises estatísticas;
• Contextualização dos testes de hipóteses
• Entendendo o que são objetos (e suas classes), funções e argumentos no R;
• Apresentação das ferramentas do R Studio;
• Instalar e carregar pacotes;
• Criar objetos, descobrir suas classes e altera-las;
• Alterar nomes das variáveis e das unidades amostrais;
• Concatenar objetos (informações quantitativas e qualitativas);
• Operações matemáticas;
• Criar matrizes de dados e dataframes;
• Selecionar tabelas dentro de matrizes;
• Filtrar dados;
• Explorar e analisar conjuntos de dados da memória do R;
• Estimar medidas de tendência central, dispersão e inferências estatísticas;
• Calcular o intervalo de confiança;
• Utilizar o "help" do R para se tornar independente;
• Juntar tabelas e dataframes;
• Extrair tabelas contendo a estatística descritiva de uma base de dados;
• Importar dados para o ambiente R (arquivos txt., csv, planilhas do excel, "copy and paste" e selecionando dados na origem);
• Exportar tabelas e gráficos para o diretório de trabalho;
• Utilizar o R para entender a lógica dos valores de p;
• Elaborarando gráficos
• Avaliar a normalidade (por meio de testes estatísticos e graficamente);
• Avaliar a normalidade (por meio de testes estatísticos e graficamente);
• Avaliar a homogeneidade de variâncias (por meio de testes estatísticos e graficamente);
• Transformar dados (métodos: range, standardize, raiz quadrada[+1] e logaritmo[+1]);
• Teste de shapiro Wilk;
• Teste de Kolmogorov-Smirnov para uma amostra;
• Teste de Levene;
• Teste de Bartllet;
• Teste T de student simples;
• Teste T de student pareado;
• Teste de Mann-Whitney;
• Teste de Wilcoxon;
• Teste de Kolmogorov-Smirnof;
• Análises de variâncias e seus pressupostos estatísticos
• Teste a posteriori de Tukey;
• Teste de Kruskall-Wallis;
• Teste a posteriori de Nemenyi;
• Teste a posteriori de Dunn;
• Teste T par a par com ajuste de Bonferroni;
• Teste de Scheffe;
• Teste de Friedman e teste a posteriori de Friedman
• Teste do Qui-Quadrado (para uma variável e para associações de variáveis);
• Correlações estatísticas e suas significâncias estatísticas (entre variáveis e matrizes de dados);
• Modelo de regressão linear;
• Análise de Covariância;
• Modelo de regressão logística;
• Regressão múltipla;
• Análise dos Componentes Principais (PCA);
• Análise de agrupamentos (Dendogramas e Clusters Kmeans);
• Análise de Correspondência Múltipla (MCA);