I. Introdução e Divisões da Estatística

A estatística é a ciência dedicada a coletar, organizar, apresentar, analisar e interpretar dados.

Estatística Descritiva: Focada na coleta e descrição de dados por meio de tabelas, gráficos e sínteses numéricas.
Estatística Inferencial: Busca associar estimativas amostrais a parâmetros populacionais via indução.
Probabilidade: A base teórica para o raciocínio sob incerteza.

II. População, Amostra e Variáveis

Devido à impossibilidade de estudar universos infinitos, utiliza-se a amostragem para extrair subconjuntos representativos.

Parâmetros vs. Estatísticas: Características populacionais usam notação grega ($\mu, \sigma$), enquanto amostrais usam latina ($\bar{x}, s$).
Variáveis Quantitativas: Contínuas (mensuráveis) ou Discretas (contáveis).
Variáveis Qualitativas: Ordinais (possuem hierarquia) ou Nominais (categorias puras).

A indexação ($x_i$) e os operadores de agregação são vitais para a síntese de dados.

Somatório: $$\sum_{i=1}^n X_i$$ Fatorial: $$n! = n \times (n-1) \times \dots \times 1$$

Métodos de enumeração para decisões sucessivas ou agrupamentos:

Princípios: Regra da Multiplicação (conectivo "e") e Regra da Adição (conectivo "ou").
Permutações: A ordem dos elementos importa.
Combinações: A ordem dos elementos não importa.

Estrutura as probabilidades através de conectivos de conjunção ($\cap$) e disjunção ($\cup$).

"As Leis de De Morgan estabelecem que a negação de uma conjunção resulta em disjunção, e vice-versa."

O processamento moderno de dados exige o domínio de hardware e software especializados:

Calculadoras Científicas: Uso de modos estatísticos para cálculo rápido de desvios e regressões.
Linguagem R e RStudio: Ambiente de código aberto para computação estatística avançada e geração de gráficos de alta fidelidade.