Estatística com R

Disciplina de Estatística da UNINOVE

Disciplina do Mestrado e Doutorado da UNINOVE. O conteúdo todo consegue ser acessado num formato interativo aqui.

Professor

Prof. Dr. José Eduardo Storopoli - Currículo Lattes - ORCID - josees@uni9.pro.br
Prof. Dr. Leonardo Vils - Currículo Lattes - ORCID - leonardo.vils@uni9.pro.br

Como usar esse conteúdo?

Este conteúdo possui licença livre para uso. Caso queira utilizar o conteúdo para um curso ou estudos, por favor colabore nesse repositório quaisquer aprimorações que foram realizadas.

Para configurar um ambiente local:

Clone o repositório do GitHub: git clone https://github.com/storopoli/Estatistica.git
Acesse o diretório: cd Estatistica
Instale os pacotes necessários: Rscript .binder/install.R

Para usar na RStudio na nuvem gratuito

Clique aqui:

Por que R?

R é uma linguagem criada por estatísticos para estatísticos. Possui um vasto ecossistema de bibliotecas e é amplamente usado na ciência e em especial nas ciências aplicadas. Fizemos toda uma argumentação de porque você deve usar R aqui

Aulas

Acesse o site dos tutoriais em storopoli.github.io/Estatistica.

Conteúdos Principais

Conteúdos Auxiliares

Referências

Livros

Dancey, Christine P.; Reidy, John; Viali, Lori (2013): Estatística sem matemática para psicologia. 5. ed. Porto Alegre, RS: Penso.
Hair, Joseph F.; Sant’Anna, Adonai Schlup; Gouvêa, Maria Aparecida (2009): Análise multivariada de dados. 6. ed. Porto Alegre: Bookman.
Levin, Jack; Fox, James Alan; Forde, David R.; Ritter, Jorge; Bonafini, Fernanda (2014, 2012): Estatística para ciências humanas. 11. ed. São Paulo: Pearson Education do Brasil.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). L. Erlbaum Associates.

Artigos

Básicos

Ioannidis, J. P. A. (2005). Why most published research findings are false. PLoS Medicine, 2(8), e124.
Ioannidis, J. P. A. (2019). What Have We (Not) Learnt from Millions of Scientific Papers with P Values? The American Statistician, 73(sup1), 20–25. https://doi.org/10.1080/00031305.2018.1447512
Cassidy, S. A., Dimova, R., Giguère, B., Spence, J. R., & Stanley, D. J. (2019). Failing Grade: 89% of Introduction-to-Psychology Textbooks That Define or Explain Statistical Significance Do So Incorrectly. Advances in Methods and Practices in Psychological Science, 2(3), 233–239. https://doi.org/10.1177/2515245919858072
Smaldino, P. (n.d.). How to translate a verbal theory into a formal model. https://doi.org/10.31222/OSF.IO/N7QSH
Cumming, G. (2014). The New Statistics: Why and How. Psychological Science, 25(1), 7–29. https://doi.org/10.1177/0956797613504966
Bedeian, A. G. (2014). “More than meets the eye”: A guide to interpreting the descriptive statistics and correlation matrices reported in management research. Academy of Management Learning and Education, 13(1), 121–135. https://doi.org/10.5465/amle.2013.0001
Murphy, K. R., & Aguinis, H. (2019). HARKing: How Badly Can Cherry-Picking and Question Trolling Produce Bias in Published Results? Journal of Business and Psychology, 34(1). https://doi.org/10.1007/s10869-017-9524-7
Wasserstein, R. L., & Lazar, N. A. (2016). The ASA’s Statement on p-Values: Context, Process, and Purpose. American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3
Smaldino, P. E. (2017). Models Are Stupid, and We Need More of Them. In Computational Social Psychology (Issue March, pp. 311–331). Routledge. https://doi.org/10.4324/9781315173726-14
Stark, P. B., & Saltelli, A. (2018). Cargo-cult statistics and scientific crisis. Significance, 15(4), 40–43. https://doi.org/10.1111/j.1740-9713.2018.01174.x
Kerr, N. L. (1998). HARKing: Hypothesizing after the results are known. Personality and Social Psychology Review, 2(3), 196–217. https://doi.org/10.1207/s15327957pspr0203_4
Whetten, D. A. (2009). Modeling theoretical propositions. In Designing research for publication (pp. 217–250).

Complementares

Etz, A. (2019). Technical Notes on Kullback-Leibler Divergence. https://doi.org/10.31234/OSF.IO/5VHZU
Pearl, J. (2014). Comment: Understanding Simpson’s Paradox. The American Statistician, 68(1), 8–13. https://doi.org/10.1080/00031305.2014.876829
Gelman, A., & Vehtari, A. (2020). What are the most important statistical ideas of the past 50 years? https://arxiv.org/abs/2012.00174
Aguinis, H., Edwards, J. R., & Bradley, K. J. (2017). Improving Our Understanding of Moderation and Mediation in Strategic Management Research. Organizational Research Methods, 20(4), 665–685. https://doi.org/10.1177/1094428115627498
Aguinis, H., Gottfredson, R. K., & Joo, H. (2013). Best-Practice Recommendations for Defining, Identifying, and Handling Outliers. In Organizational Research Methods (Vol. 16, Issue 2, pp. 270–301). https://doi.org/10.1177/1094428112470848
Wilson, G., Bryan, J., Cranston, K., Kitzes, J., Nederbragt, L., & Teal, T. K. (2017). Good enough practices in scientific computing. PLOS Computational Biology, 13(6), e1005510. https://doi.org/10.1371/journal.pcbi.1005510
Tierney, N. J., & Ram, K. (2020). A Realistic Guide to Making Data Available Alongside Code to Improve Reproducibility. https://arxiv.org/abs/2002.11626

Como citar esse conteúdo

Para citar o conteúdo use:

Storopoli & Vils (2021). Estatística com R. Retrieved from https://storopoli.github.io/Estatistica

Ou em formato BibTeX para LaTeX:

@misc{storopoli2021estatisticaR,
  author = {Storopoli, Jose and Vils, Leonardo},
  title = {Estatística com R},
  url = {https://storopoli.github.io/Estatistica},
  year = {2021}
}

Licença

Este obra está licenciado com uma Licença Creative Commons Atribuição-CompartilhaIgual 4.0 Internacional.

welli45/Estatistica