[ABE-L] O assunto da vez: conteúdo da prova do concurso nacional unificado p/ ESTATÍSTICOS

[Leo Bastos]

Olá Doris,

Não sou mais professor de graduação em estatística, e chuto que esse edital
mostra uma tendência de preferência do cientista de dados ao estatístico
(apesar da grande interseção entre o que se espera desses dois
profissionais).

Acho que o item 1 já entra desatualizado. Big data, na minha opinião, é um
termo desatualizado. O item 2 eu não entendo absolutamente nada, e os
potenciais candidatos teriam que encarar como uma novidade necessária pelo
menos passa o concurso. Os demais itens estão tranquilamente dentro do
escopo de formação de um estatístico. Então não acho que o conteúdo seja
inadequado para estatísticos. E em paralelo, esse edital sinaliza a
necessidade dos cursos de graduação reforçarem a parte de computação na
formação de estatísticos, não apenas a programação mas também essas
tecnologias de organização de bancos de dados.

Bom 2024 a todos,
Leo


Em qui., 11 de jan. de 2024 18:22, Doris Fontes <dsfontes em gmail.com>
escreveu:

> Olá, colegas,
>
> Foi divulgado o EDITAL para o CONCURSO NACIONAL UNIFICADO para diversos
> órgãos do governo federal e que contém dezenas de VAGAS PARA ESTATÍSTICOS.
>
> No entanto, muitos estatísticos começaram a RECLAMAR porque consideram o
> conteúdo específico INADEQUADO para estatísticos por conter tópicos que
> nunca aprenderam. Acham que a ESTATÍSTICA está sendo pouco valorizada por
> valer muito pouco nas provas.
>
> Vejam o conteúdo do EIXO TEMÁTICO 5, onde estão as questões com maior peso
> para os estatísticos:
>
>
> *EIXO TEMÁTICO 5 – APOIO À DECISÃO, INTELIGÊNCIA ARTIFICIAL E MÉTODOS
> QUANTITATIVOS*
> *1 Big Data.*
> 1.1 Definição de Big Data.
> 1.2 Bancos de dados na nuvem.
> 1.2.1 O paradigma de computação na nuvem.
> 1.2.2 Requisitos de gerência de dados na nuvem.
> 1.2.3 Categorias de bancos de dados na nuvem.
> 1.3 Infraestruturas para processamento distribuído de Big Data: Hadoop,
> Spark, Kafka.
>
> *2 Data Warehouse.*
> 2.1 Definição e características de um Data Warehouse.
> 2.2 Data Mart.
> 2.3 Processamento de Transações em tempo real: OLTP e OLAP.
> 2.4 Modelagem Multidimensional.
> 2.5 Bancos de Dados Multidimensionais.
> 2.6 Projeto de Data Warehouse.
> 2.7 Conceitos de extração, transformação e carga (ETL).
>
> *3 Descoberta de Conhecimento e Mineração de Dados.*
> 3.1 Conceitos básicos do processo de descoberta de conhecimento em bancos
> de dados (KDD).
> 3.2 Metodologia de KDD.
> 3.3 Métodos de Data Mining.
> 3.4 Pré processamento de dados.
> 3.5 Mineração de dados: classificação, regressão, detecção de
> agrupamentos, descoberta de regras de associação, sumarização, modelagem de
> dependências, detecção de tendências e exceções.
> 3.6 Visualização de Dados.
>
> *4 Aprendizado de máquina.*
> 4.1 Tipos de aprendizado de máquina: aprendizado supervisionado,
> aprendizado não supervisionado e aprendizado por reforço.
> 4.2 Algoritmos de aprendizado de máquina: regressão, árvores de decisão,
> redes neurais, máquinas de vetor de suporte e algoritmos de agrupamento.
>
> *5 Estatística.*
> 5.1 Medidas de tendência central.
> 5.2 Medidas separatrizes.
> 5.3 Medidas de dispersão.
> 5.4 Medidas de Forma: assimetria e curtose, medidas de associação entre
> variáveis quantitativas e qualitativas (coeficiente de correlação linear de
> Pearson e coeficiente de contingência de Pearson)
> 5.5 Gráficos, diagramas, tabelas, medidas descritivas (posição, dispersão,
> assimetria e curtose).
>
> *6 Noções de Probabilidade.*
> 6.1 Probabilidade condicional e independência.
> 6.2 Variáveis aleatórias discretas e contínuas.
>
> *7 Noções de Inferência Estatística.*
> 7.1 População e amostra.
> 7.2 Seleção de amostra.
> 7.3 Estatística e parâmetro.
> 7.4 Distribuições amostrais.
> 8 Noções de Estimação.
> 8.1 Estimação pontual.
> 8.2 Estimação intervalar.
>
> *9 Testes de hipóteses.*
> 9.1 Teste sobre a média de uma população.
> 9.2 Teste para comparação de duas populações considerando amostras
> independentes.
> 9.3 Teste para comparação de duas populações considerando amostras
> dependentes (pareadas).
> 9.4 Testes de homogeneidade.
> 9.5 Teste de independência.
> 9.6 Teste para o coeficiente de correlação.
>
> *10 Noções sobre Regressão.*
> 10.1 Diagrama de dispersão.
> 10.2 Ajuste da reta de regressão pelo método dos mínimos quadrados.
> 10.3 Regressão linear simples.
> 10.4 Intervalos de confiança e intervalo de predição.
>
> *11 Noções de amostragem.*
> 11.1 Amostragem probabilística: técnicas de amostragem – amostragem
> aleatória simples, estratificada, sistemática e por conglomerados.
> 11.2 Amostragem não probabilística.12. Entidades Discretas e Contínuas;
> Algoritmos; Operações Lógicas, Aritméticas, Trigonométricas e Estatísticas.
>
>
> Vocês acham que os conteúdos dos itens 1 e 2 são impossíveis para
> ESTATÍSTICOS?
>
> Gostaria de ouvir a opinião dos professores que formam os atuais
> estatísticos.
>
> Doris
>
> _______________________________________________
> abe mailing list
> abe em lists.ime.usp.br
> https://lists.ime.usp.br/listinfo/abe
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://lists.ime.usp.br/pipermail/abe/attachments/20240111/b6533eb7/attachment-0001.htm>