Pular para o conteúdo principal

Curso

Analisando dados de pesquisa no R

IntermediárioNível de habilidade

Atualizado 10/2022

Aprenda design de pesquisas usando estruturas comuns de design e depois visualize e analise os resultados da pesquisa.

Iniciar curso gratuitamente

RProbability & Statistics

4 h

14 vídeos

49 Exercícios

3,950 XP

15,494

Declaração de realização

Preferido por alunos de milhares de empresas

Treinando uma equipe?

Experimente para Empresas

Descrição do curso

Você já respondeu a uma pesquisa (ou a mil), certo? Já se perguntou o que envolve criar um questionário e como as respostas viram insights práticos? Claro que sim! Em Analisando dados de pesquisa no R, você vai trabalhar com pesquisas de A a Z: começando por estruturas comuns de desenho amostral, como conglomerados (clustering) e estratificação, e seguindo até a visualização e análise dos resultados. Você vai modelar dados da National Health and Nutrition Examination Survey usando os pacotes survey e tidyverse do R. Ao final do curso, você será capaz de interpretar resultados de pesquisas com segurança e, finalmente, encontrar respostas para aquelas grandes perguntas!

Pré-requisitos

Introduction to the Tidyverse Foundations of Inference in R

1

Introdução a dados de pesquisa

Nossa exploração de dados de pesquisa começa pelos pesos amostrais. Neste capítulo, você vai aprender o que são pesos de pesquisa e por que eles são tão importantes na análise. Outra característica marcante desses dados é a forma de coleta, com uso de conglomerados (clustering) e estratificação. Vamos praticar como especificar e explorar esses elementos de amostragem em vários conjuntos de dados de pesquisa.

O que são pesos de pesquisa?

Pesos de pesquisa

Visualizando os pesos

Especificando elementos do delineamento no R

Desenhos no R

Desenhos estratificados em R

Desenhos em conglomerados no R

Comparando pesos amostrais de diferentes desenhos

Visualizando o impacto dos pesos da pesquisa

Pesos do NHANES

Juntando tudo!

Iniciar capítulo

2

Explorando dados categóricos

Agora que entendemos os pesos amostrais, vamos praticar como incorporá-los na análise de dados categóricos neste capítulo. Vamos fazer inferência descritiva calculando estatísticas-resumo, construindo tabelas-resumo e criando gráficos de barras. Para inferência analítica, vamos aprender a executar testes do qui-quadrado.

Visualizando uma variável categórica

Resumindo uma variável categórica

Interpretando tabelas de frequência

Representando graficamente uma variável categórica

Explorando duas variáveis categóricas

Criando tabelas de contingência

Criando gráficos de barras segmentadas

Resumindo com svytotal()

Interpretando svymean()

Inferência para variáveis categóricas

Executando um teste qui-quadrado

Juntando tudo!

Iniciar capítulo

3

Explorando dados quantitativos

Nem todos os dados de pesquisa são categóricos, então, neste capítulo, vamos analisar dados quantitativos. Você vai aprender a calcular estatísticas ponderadas pela amostra, como média e quantis. Para visualização, vamos criar gráficos de barras, histogramas e curvas de densidade. Encerramos o capítulo realizando inferência analítica com testes t ponderados por survey.

Resumindo dados quantitativos

Estatísticas da pesquisa

Estimando quantis

Visualizando dados quantitativos

Gráficos de barras de médias ponderadas por survey

Saída de svyby()

Gráficos de barras com erro

Histogramas ponderados por survey

Gráficos de densidade com ponderação por survey

Inferência para dados quantitativos

Teste t com ponderação por survey

Juntando tudo!

Iniciar capítulo

4

Modelando dados quantitativos

Modelar dados de pesquisa também exige considerar com cuidado como os dados foram coletados. Vamos começar o capítulo de modelagem aprendendo a incorporar pesos amostrais em gráficos de dispersão por meio de estéticas como tamanho, cor e transparência. Em seguida, vamos modelar os dados com regressão linear e explorar como incluir preditores categóricos e termos polinomiais nos modelos.

Visualização com gráficos de dispersão

Gráficos de bolhas

Gráficos de dispersão com pesos da pesquisa

Uso de cor em gráficos de dispersão

Visualizando tendências

Linha de melhor ajuste

Linhas de tendência

Modelando dados de pesquisa

Modelo de regressão

Inferência em regressão

Modelagem mais complexa

Regressão linear múltipla

Juntando tudo

Encerramento

Iniciar capítulo

Analisando dados de pesquisa no R

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora

Faça como mais de 19 milhões de alunos e comece Analisando dados de pesquisa no R hoje mesmo!

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.