Curso online

Estatística usando IA

Aprenda Estatística usando a Inteligência Artificial como parceira de estudos — sem terceirizar seu raciocínio para ela. A Análise Macro organiza a trilha, preserva o rigor e mostra o que aprender — e em que ordem. A IA ajuda você a tirar dúvidas, explorar conceitos, testar exemplos, programar, simular e receber feedback enquanto aprende. 9 módulos. 45 aulas. 72 exercícios. R ou Python. Uma formação construída para transformar teoria estatística em capacidade real de resolver problemas.

O que você será capaz de fazer

Entender Estatística de verdade: construa fundamentos em probabilidade, distribuições, estimação e inferência — em vez de apenas decorar fórmulas.

Aprender com IA: use o assistente para pedir novas explicações, testar sua compreensão, explorar exemplos e destravar pontos difíceis.

Transformar teoria em código: implemente os conceitos em R ou Python e use simulações para enxergar o que a fórmula está dizendo.

Resolver problemas com autonomia: pratique com 72 exercícios que combinam raciocínio, derivação, aplicação e uso orientado de IA.

Julgar resultados com mais segurança: reconheça hipóteses, limitações e erros de interpretação — inclusive quando a resposta parece convincente.

Quais habilidades eu aprenderei

Você percorrerá a trilha que leva da descrição de dados à inferência estatística:

Estatística descritiva: posição, dispersão, quartis, covariância e correlação
Probabilidade e Bayes: probabilidade condicional, independência, probabilidade total e taxa de base
Variáveis aleatórias e distribuições: esperança, variância, funções de distribuição e modelos discretos e contínuos
Teorema Central do Limite: média amostral, erro-padrão, somas e aplicações em risco
Estimação: não-viés, máxima verossimilhança, método dos momentos, eficiência e consistência
Inferência: intervalos de confiança, testes de hipóteses, erros tipo I e II, poder e p-valor
Estudo com IA: perguntas, simulações, programação, crítica de derivações e checagem de interpretações

Quais ferramentas eu usarei

A assinatura do provedor de IA é contratada separadamente pelo aluno. VS Code, R e Python são gratuitos.

Este é um curso rigoroso de Estatística. Para acompanhar bem, você precisa de:

Cálculo de uma variável: derivada, integral definida, integração por partes e mudança de variável.
Álgebra de somatórios e manipulação simbólica.
Noção de função, limite e série.
Disposição para derivar no papel e resolver problemas ativamente.

Se você procura apenas uma introdução rápida à Estatística, este não é o curso indicado. Aqui, as derivações e os exercícios fazem parte do aprendizado.

Como estudar o curso

A IA não vai estudar por você. Ela vai estudar com você.
O método de estudo segue um ciclo simples:

Assista — aprenda o fundamento e acompanhe a derivação.
Pergunte — use a IA para explorar o que não ficou claro e pedir outra explicação.
Experimente — simule, visualize e transforme a teoria em R ou Python.
Resolva — enfrente os exercícios antes de pedir a resposta.
Explique — use a IA como crítica do seu raciocínio e descubra onde ainda há lacunas.

Os módulos são sequenciais: a probabilidade prepara as distribuições; o Teorema Central do Limite abre a porta para estimação e inferência. Por isso, o curso foi desenhado para ser estudado na ordem.

Programa do Curso

02/10/2026 (Sexta-feira)

Módulo 1 – Estatística descritiva

Aprenda a abrir uma base que você nunca viu e construir um retrato honesto dos dados: centro, dispersão, valores extremos e relação entre variáveis.

Com IA: explore diferentes leituras da mesma base e aprenda a questionar resultados que parecem corretos, mas escondem ausências, outliers ou interpretações causais indevidas.

09/10/2026 (Sexta-feira)

Módulo 2 – Probabilidade e o teorema de Bayes

Entenda como raciocinar sob incerteza e reconhecer problemas de Bayes mesmo quando ninguém usa a palavra “Bayes”.

Com IA: transforme exemplos abstratos em situações de diagnóstico, antifraude, crédito e seguros — e teste se o assistente percebe a taxa de base.

16/10/2026 (Sexta-feira)

Módulo 3 – Variáveis aleatórias

Passe da intuição para a linguagem que sustenta toda a inferência: variáveis aleatórias, esperança, variância e transformações.

Com IA: peça contraexemplos, visualizações e simulações para enxergar por que esperança não é moda e por que E[g(X)] não é, em geral, g(E[X]).

23/10/2026 (Sexta-feira)

Módulo 4 – Distribuições discretas

Aprenda a escolher o modelo discreto pela estrutura do problema, não por semelhança com uma fórmula conhecida.

Com IA: compare Bernoulli, Binomial, Hipergeométrica, Geométrica e Poisson em situações próximas e descubra como pequenas hipóteses mudam a resposta.

30/10/2026 (Sexta-feira)

Módulo 5 – Distribuições contínuas

Trabalhe com probabilidade como área e aprenda a escolher entre modelos contínuos pelo fenômeno que deseja representar.

Com IA: simule distribuições e confronte escolhas aparentemente plausíveis — como usar Normal para uma variável que não pode ser negativa e é fortemente assimétrica.

06/11/2026 (Sexta-feira)

Módulo 6 – Funções lineares e o Teorema Central do Limite

Veja a probabilidade virar inferência. Entenda a média amostral, o erro-padrão, o TCL e por que aumentar a amostra tem retornos decrescentes.

Com IA: simule o TCL, inclusive seus limites, e explore aplicações em carteiras, risco e diversificação.

13/11/2026 (Sexta-feira)

Módulo 7 – Estimação pontual

Aprenda a usar uma amostra para recuperar parâmetros desconhecidos e entenda de onde vêm os estimadores que aparecem prontos nos softwares.

Com IA: derive, implemente e critique estimações por máxima verossimilhança — inclusive quando o otimizador devolve um número sem ter resolvido bem o problema.

20/11/2026 (Sexta-feira)

Módulo 8 – Intervalos de confiança

Construa intervalos peça por peça e entenda o trade-off entre confiança e precisão — sem cair nas interpretações erradas mais comuns.

Com IA: peça ao assistente para interpretar intervalos, confronte a resposta com a teoria e use o erro como instrumento de aprendizado.

27/11/2026 (Sexta-feira)

Módulo 9 – Testes de hipóteses

Transforme perguntas de decisão em hipóteses, escolha o teste adequado e saiba exatamente o que a evidência autoriza — e o que não autoriza — afirmar.

Com IA: investigue interpretações de p-valor, significância e relevância e aprenda a escrever conclusões com a incerteza declarada.

Materiais utilizados

45 videoaulas, com 22 horas de conteúdo

Apostila em PDF com nove capítulos e derivações passo a passo

Laboratórios executáveis para praticar cada módulo

Exercícios em cada módulo para treinar o raciocínio estatístico

37 questões resolvidas com o passo a passo da solução

Prompts de partida para estudar com IA sem transformar o exercício em “copiar e colar”

Nos exercícios de demonstração, a derivação continua sendo sua. Você resolve primeiro e usa a IA como crítica: para apontar saltos, pedir justificativas e testar se o raciocínio se sustenta.

Suporte Individualizado

Você não precisa ficar travado sozinho.

Certificação

Ao concluir, você recebe o certificado da Análise Macro do curso “Estatística para Auditar IA“, com carga horária de 22 horas.

equipe docente

Coordenador

Vítor Wilher

(Mestre em Economia e Cientista-Chefe da Análise Macro)

Vítor Wilher é bacharel e mestre em economia, especialista em dados. É o fundador da Análise Macro, a principal plataforma de análise de dados econômicos e financeiros do país. Ao longo dos últimos 10 anos, ensinou programação e análise de dados para economistas e analistas dos principais bancos, corretoras, gestoras e demais instituições do mercado financeiro. Leitor voraz, compartilha livros e dicas de leitura para seus alunos através das redes sociais e da sua newsletter diária.

Professor

Fernando da Silva

(Bacharel em Economia e Cientista de Dados)

Especializado em economia e finanças. Trabalha com modelagem e previsão de séries temporais, análise e visualização de dados e automatização de relatórios e dashboards.