Os métodos de inferência estatística não paramétricos ou de distribuição livre, são procedimentos matemáticos para testes de hipóteses e modelos de regressão que, diferentemente da estatística paramétrica, não fazem suposições sobre a distribuição de probabilidade das variáveis a serem consideradas.
Objetivo geral: Espera-se que, ao final da disciplina, o aluno deva saber identificar o uso de testes não-paramétricos e lidar de forma apropriada com problemas práticos.
Objetivos específicos: Identificar situações nas quais procedimentos não-paramétricos podem ser aplicados, selecionar testes não-paramétrico adequados para um problema em estudo, construir as hipóteses correspondentes e aplicar os procedimentos escolhidos utilizando funções R para esta finalidade.
Estatística paramétrica e não paramétrica. Testes não paramétricos para uma, duas ou mais amostras. Estimação não paramétrica de densidades. Introdução aos modelos não paramétricos de regressão.
Local: Laboratório B.
Horário: terça-feira 19:00h, sexta-feira 20:45h.
Nota: a nota final será a soma das notas obtidas nos quatro trabalhos assíncronos programados.
CONOVER, W. J. Practical nonparametric statistics. 3rd. ed. New York: Chichester: John Wiley &Sons (Asia), 1999.
GIBBONS, J. D. Nonparametric Statistics: An Introduction, Newbury Park: Sage Publications, 1993.
SIEGEL, S.; CASTELLAN, N. H. Estatística não-paramétrica para ciências do comportamento. 2. ed. Porto Alegre, RS: Artmed, 2006.
Conover, W.J. (1999). Practical nonparametric statistics. 3rd. ed. New York: Chichester: John Wiley & Sons (Asia).
Gibbons, J.D. (1993). Nonparametric Statistics: An Introduction, Newbury Park: Sage Publications.
Siegel, S. and Castellan, N.H. (2006). Estatística não-paramétrica para ciências do comportamento. RS: Artmed.
Lucambio, F. (2023). Estatística não paramétrica
Hastie, T.; Tibshirani, R. and Friedman, J. (2013). The elements of statistical learning: Data mining, inference, and prediction. Springer New York.
Hollander, M. and Wolfe, D.A. (1999). Nonparametric statistical methods. 2nd. ed. New York: John Wiley & Sons.
Kloke, J. and McKean, J.W. (2015). Nonparametric statistical methods using R. Boca Raton: CRC Press.
Silverman, B.W. (1994). Nonparametric Regression and Generalized Linear Models: A Roughness Penalty Approach, London: Editora Chapman & Hall.
Wasserman, L. (2006). All of nonparametric statistics: New York: Springer.
Referência: Estatística não-paramétrica
1. 24/02/26. Semana de integração do curso de Estatística e Ciência de Dados
2. 27/02/26. Semana de integração do curso de Estatística e Ciência de Dados
3. 03/03/26. Introdução. Estimação não-paramétrica.
4. 06/03/26. Estatísticas de ordem. Histograma: teoria e prática. Trabalho No.1
5. 10/03/26. Estimação de densidades. Estimadores kernel da densidade.
6. 13/03/26. Exercícios. Exemplo do uso de estatísticas de ordem: QQ-plot.
7. 17/03/26. Estimação da função de distribuição.
8. 20/03/26. Exercícios.
Referência: Problemas de amostra única
9. 24/03/26. Testes de bondade de ajuste. Bondade de ajuste em amostras grandes.
10. 27/03/26. Exercícios.
Bolsas de Pesquisa na área de
Tecnologia - Inova Talentos Senai SP. O objetivo é conectar
pesquisadores qualificados (graduados, mestres e doutores) a
oportunidades de carreira em empresas de destaque no mercado.
Vagas
de Bolsista e P&D nas empresas ICT Itaú, Bradesco, Cielo, Toyota e
Vibra Energia.
Pesquisadores
ampliam método de Newton, criado há mais de 300 anos.
11. 31/03/26. Problemas de posição.
12. 03/04/26. Feriado: Sexta-feira santa: Paixão de Cristo.
13. 07/04/26.
Testes
de aleatoriedade.
Computador
quântico gera aleatoriedade verdadeira pela primeira vez.
14. 10/04/26. Exercícios.
17. 21/04/26. Feriado: Tiradentes.
18. 24/04/26. Exercícios.
Referência: Problemas em \(k\) amostras
19. 28/04/26. Procedimentos de amostra única e com amostras pareadas.
20. 01/05/26. Feriado: Dia do Trabalho.
23. 12/05/26. Medidas de associação em classificações múltiplas.
24. 15/05/26. Exercícios.
25. 19/05/26. Dependência.
26. 22/05/26. Exercícios.
Referência: Regressão não-paramétrica. Regressão não-paramétrica e modelos aditivos.
27. 26/05/26. Introdução. Suavizamento linear.
28. 29/05/26. Exercícios.
29. 02/06/26. Regressão local. Polinômios locais. Splines.
30. 05/06/26. Recesso.
33. 16/06/26. Regressão múltipla.
34. 19/06/26. Exercícios.
35. 23/06/26. Exercícios.
36. 26/06/26. Exercícios.
Exame Final: terça-feira 30/06/2026, 19:00hrs no Laboratório B.