Apostila Digital EPAGRI SC 2023 Estatístico Matemática

Apostila Digital EPAGRI SC 2023 Estatístico Matemática

Cargo: Estatístico Matemática

Editora: DOMINA CONCURSOS

Edição: 2022

Nível: Superior

Banca: FEPESE

Edital: Acesso ao Edital

Não é só uma apostila!

Material teórico completo elaborado totalmente de acordo com o novo edital.
Acompanha provas anteriores com gabarito para testar seu aprendizado.

Só hoje, de R$81,98 por R$40,99
50% de Desconto

Conhecimentos Básicos
(Totalmente de Acordo com Edital 2022)

Língua Portuguesa: Análise e interpretação de texto (compreensão geral do texto; ponto de vista ou ideia central defendida pelo autor; argumentação; elementos de coesão; inferências; estrutura e organização do texto e dos parágrafos). Tipologia e gêneros textuais. Figuras de linguagem. Emprego dos pronomes demonstrativos. Relações semânticas estabelecidas entre orações, períodos ou parágrafos (oposição/contraste, conclusão, concessão, causalidade, adição, alternância etc.). Relações de sinonímia e de antonímia. Sintaxe da oração (período simples; termos fundamentais e acessórios da oração; tipos de predicado) e do período (período composto por coordenação e por subordinação). Funções do que e do se. Emprego do acento grave. Emprego dos sinais de pontuação e suas funções no texto. Ortografia e gramática; Concordâncias verbal e nominal. Regências verbal e nominal. Emprego de tempos e modos verbais. Formação de tempos compostos dos verbos. Locuções verbais (perífrases verbais); Sintaxe de colocação pronominal. Paralelismo sintático e paralelismo semântico.

Raciocínio Lógico e Matemático: Operações com números reais (incluindo radiciação e potenciação); divisão Proporcional (Razão e proporção); regra de três simples e composta; porcentagem; juros simples e Compostos; equação de 1º e 2º graus; sistema de equações do 1º grau; relação entre grandezas: tabelas e gráficos; sistemas de medidas usuais; noções de estatística e de probabilidades; raciocínio lógico; resolução de situações-problema.     

Informática: Conceitos básicos de computação; componentes de hardware e software de computadores; operação de sistemas operacionais Windows; navegação WEB; uso das ferramentas do Google Workspace (gmail, documentos de texto, planilhas e apresentações, drive, meet, chat, agenda e formulários); noções de segurança da informação (LGPD, proteção da informação, vírus e demais códigos maliciosos).       

Língua Inglesa: GRAMÁTICA: Morfologia. Substantivos: gênero, forma possessiva, número. Pronomes: possessivos, reflexivos, objetivos. Adjetivos: grau de comparação, espécies. Verbos: infinitivos e gerúndios, verbos regulares e irregulares. Semântica. Verbos: tempos, modos e formas (presente, passado, futuro simples, contínuo, perfeito, imperativo); substitutos de tempo futuro; verbos modais. Advérbios. Numerais. Preposições. Conjunções. Palavras interrogativas. Artigos (definidos e indefinidos). COMPREENSÃO DE TEXTOS: Análise de textos de assuntos técnicos e gerais.       

Estatística: Estatística Geral: Natureza da Estatística; Séries estatísticas; Noções de amostragem; Distribuição de frequência; Apresentação gráfica e tabular; Medidas de dispersão; Medidas de tendência central; Intervalo de confiança; Noções de probabilidade. Estatística Experimental: Princípios básicos de experimentação; Delineamentos experimentais; Experimentos simples; Esquemas fatoriais e parcelas dividida; Testes de comparação entre médias; Eficiência relativa dos delineamentos experimentais; Planejamento, execução e análise experimental; Análise de variância; Correlação e análise de regressão. Estatística não-paramétrica. Amostragem. Noções básicas de análise multivariadas (Análise Discriminante, Componentes Principais, Análise fatorial multidimensional, Análise de Agrupamentos). Conhecimentos de análise estatística utilizando o ambiente “R” (Instalação do R. Componentes da interface do programa R. Acesso à documentação do programa R. Criação e modificação de objetos no R. Criação e uso de funções no programa R. Instalação e uso de pacotes no programa R. Importação e exportação de dados em formato texto e planilha).

Conhecimento Específico
(Totalmente de Acordo com Edital 2022)

Noções básicas de amostragem. Definições e notações básicas; Amostragem aleatória simples com ou sem reposição; Amostragem estratificada; Estimadores do tipo razão; Estimadores do tipo regressão; Amostragem sistemática; Amostragem aleatória por conglomerados; Amostragem em dois estágios. Revisão de Estatística Geral – Variação ao acaso. Planejamento de Experimentos. Delineamentos Completamente Casualizados. Teste F. Métodos de Comparações Múltiplas. Análise de Regressão Polinomial. Pressuposições do Modelo Matemático – Transformação de Dados. Delineamentos em Blocos Casualizados. Delineamentos em Quadrados Latinos. Experimentos Fatoriais Completos. Fatoriais das séries 2n x 3n. Confundimento. Experimentos em Parcelas Subdivididas. Experimentos em Faixas. Classificações cruzadas desbalanceadas. Blocos Incompletos. Reticulados Quadrados. Grupos de Experimentos. Grupos de experimentos com tratamentos comuns (Blocos aumentados). Introdução aos modelos mistos. Análise de Covariância. Análise da Variância da Regressão Polinomial. Introdução à metodologia de superfícies de resposta. Álgebra de matrizes, mínimos quadrados, análise de variância e princípios básicos do planejamento de experimentos. Modelos de primeira ordem e delineamentos. Modelos de segunda ordem e delineamentos. Determinando condições ótimas. Análise de experimentos com várias respostas. Família exponencial e o modelo linear generalizado. Estimação: métodos de máxima verossimilhança e de quadrados mínimos. Métodos de inferência e propriedades em grandes amostras. Técnicas de verificação do modelo: função desvio, análise do desvio e análise de resíduos. Modelos de regressão, de análise de variância e de covariância como modelos lineares generalizados. Dados binários e os modelos logístico, probit e complemento log-log. Tabelas de contingência e os modelos log-lineares. Modelos com coeficiente de variação constante. Superdispersão. Modelos lineares generalizados mistos. Definição de modelos mistos. Obtenção das esperanças dos quadrados médios para os delineamentos inteiramente ao acaso, casualizados em blocos e quadrados latinos e para os modelos de experimentos em parcelas subdivididas e em classificação hierárquica e para grupos de experimentos. Uso do diagrama de Hasse. Métodos de estimação (momentos, máxima verossimilhança e máxima verossimilhança restrita) para os componentes de variância. Testes de hipóteses e intervalos de confiança para componentes de variância. Aplicações em amostragem e melhoramento genético. Regressão linear simples: modelo estatístico, estimação pelo método dos mínimos quadrados, propriedades dos estimadores, testes de hipóteses e intervalo de confiança para os parâmetros, intervalo de previsão. Generalização pelo método matricial. Regressão linear múltipla: modelo estatístico, estimação pelo método dos mínimos quadrados, propriedades dos estimadores, testes de hipóteses e intervalo de confiança para os parâmetros, seleção de variáveis. Polinômios ortogonais. Análise de resíduos e diagnósticos. Estimação dos parâmetros na distribuição normal bivariada pelo método da máxima verossimilhança. Coeficientes de correlação, simples, parcial e múltipla: estimação, testes de hipóteses e intervalos de confiança. Testes de paralelismo de retas. Regressão exponencial. Regressão logística. Regressão de Mitscherlich. Análise de covariância. Introdução aos modelos lineares generalizados. Distribuição Multinormal: definição, propriedades, estimação por ponto dos parâmetros. Distribuição de Wishart: definição e propriedades fundamentais. Casos de inferência sobre o vetor de médias de uma, duas e várias distribuições multinormais. Teste de Hotelling. Modelos Lineares Multidimensionais. Estimação por ponto e por região de confiança. Testes de hipóteses multidimensionais. Princípio da união e intersecção e uso da desigualdade de Bonferroni para o controle do nível de significância conjunto. Análise Discriminante: casos de duas ou mais distribuições multinormais. Conglomeramento de dados multidimensionais. Componentes Principais e testes de estrutura de matriz de variâncias e covariâncias. Correlações canônicas. Análise fatorial multidimensional. Análise de Agrupamentos. Instalação do R. Componentes da interface do programa R. Acesso à documentação do programa R. Criação e modificação de objetos no R. Criação e uso de funções no programa R. Instalação e uso de pacotes no programa R. Importação e exportação de dados em formato texto e planilha.