Apostila UNIRIO 2025 Estatístico

APOSTILA UNIVERSIDADE FEDERAL DO ESTADO DO RIO DE JANEIRO 2025  ESTATÍSTICO. Material completo que abrange  tanto os conteúdos de conhecimentos básicos quanto os específicos exigidos no edital  para esse cargo.

CONTEÚDO PROGRAMÁTICO

LÍNGUA PORTUGUESA

1.Compreensão e interpretação de texto. 2.Tipologia e gêneros textuais. 3.Figuras de linguagem. 4.Significação de palavras e expressões. 5.Relações de sinonímia e de antonímia. 6.Ortografia. 7.Acentuação gráfica. 8.Uso da crase. 9.Morfologia: classes de palavras variáveis e invariáveis e seus empregos no texto. 10.Locuções verbais (perífrases verbais). 11.Funções do “que” e do “se”. 12.Formação de palavras. 13.Elementos de comunicação. 14.Sintaxe: relações sintático-semânticas estabelecidas entre orações, períodos ou parágrafos (período simples e período composto por coordenação e subordinação). 15.Concordância verbal e nominal. 16.Regência verbal e nominal. 17.Colocação pronominal. 18.Emprego dos sinais de pontuação e sua função no texto. 19.Elementos de coesão. 20.Função textual dos vocábulos. 21.Variação linguística.

INFORMÁTICA

1.Conceitos e fundamentos básicos. 2.Conhecimento e utilização dos principais softwares utilitários (compactadores de arquivos, chat, clientes de e-mails, reprodutores de vídeo, visualizadores de imagem, antivírus). 3.Utilização de ferramentas de inteligência artificial: aspectos legais, éticos e técnicos. 4.Periféricos de computadores. 5.Ambientes operacionais: utilização básica dos sistemas operacionais Windows 10 e 11. 6.Utilização de ferramentas de texto, planilha e apresentação do pacote Microsoft Office (Word, Excel e PowerPoint) - versões 2013, 2016 e 365. 7.Conceitos de tecnologias relacionadas à Internet, busca e pesquisa na Web. 8.Navegadores de internet: Microsoft Edge, Mozilla Firefox, Google Chrome. 9.Conceitos básicos de segurança na Internet e vírus de computadores.

RACIOCÍNIO LÓGICO E MATEMÁTICO

1.Raciocínio Lógico e matemático: resolução de problemas envolvendo frações. 2.Conjuntos. 3.Porcentagens. 4.Raciocínio sequencial (com números, com figuras, de palavras). 5.Conjuntos numéricos. 6.Relações entre conjuntos. 7.Equações de 1º grau. 8.Razão. 9.Proporção. 10.Regra de três simples. 11.Análise combinatória: permutação, arranjo, combinação. 12.Probabilidade. 13.Juros simples. 14.Juros compostos. 15.Proposições. 16.Conectivos. 17.Equivalência e implicação lógica; 18.Lógica argumentativa.

CONHECIMENTOS ESPECÍFICOS

1.Conceito de metodologia de pesquisa: estudos observacional e experimental; tipos de delineamentos de estudo (longitudinal ou de coorte, caso-controle, transversal); tipos de variáveis e suas escalas. 2.Análise descritiva e exploratória de dados: distribuição de frequências; medidas de tendência central; medidas de dispersão; medidas de posição. 3.Construção de gráficos de diferentes tipos. Gráficos adequados e crítica a gráficos. Construção e recursos de visualizações. 4.Análise descritiva e exploratória conjunta de duas ou mais variáveis: tabela de contingência; medidas de correlação e associação; representação gráfica de dados com duas ou mais variáveis conjuntamente. 5.Amostragem: métodos de amostragem (aleatória simples, sistemática, estratificada e por conglomerados), dimensionamento de amostra e erro amostral. 6.Inferência estatística: estimação pontual; métodos de estimação (de momentos, de máxima verossimilhança e de mínimos quadrados), propriedades dos estimadores (viés, variância, eficiência); Intervalos de confiança exatos e assintóticos; Testes de hipóteses: formulação e elementos básicos de um teste de hipóteses; tipos de erros e suas implicações práticas; teste da razão de verossimilhanças; teste de hipóteses paramétricos para uma, duas ou mais de duas amostras, assumindo normalidade; testes não paramétricos para uma, duas ou mais de duas amostras; testes de independência e de homogeneidade em tabelas de contingência. 7.Modelo de regressão linear simples e modelo de regressão linear múltiplo: estimação dos parâmetros dos modelos; testes de hipóteses sobre os parâmetros; análise de resíduos; qualidade de ajuste. 8.Modelos lineares generalizados: família exponencial de distribuições; modelos de regressão para dados binários, contagens e respostas assimétricas; estimação dos parâmetros do modelo e testes de hipóteses sobre os parâmetros; qualidade do ajuste. 9.Métodos estatísticos multivariados: análise de componentes principais, análise fatorial, análise de correspondência múltipla; definição de distância; principais medidas de similaridades; análise de agrupamento (método hierárquico e não hierárquico). 10.Tratamento e análise de dados por meio de software livre (R ou Python): pré-processamento, tabulação e geração de rotinas que automatizam tarefas. Gerenciamento de banco de dados por meio de ferramentas SQL.