Vai al contenuto principale

Corso

Casi di studio nel pensiero statistico

Intermedio4 h

Sviluppa il pensiero statistico applicando le tue competenze a dati reali per ottenere insight concreti.

Python4 h16 video61 esercizi4,850 XP16,191Attestato di conseguimento

Crea il tuo account gratuito

Continua con Google
o
Continuando, accetti i nostri Condizioni d'uso, il nostro Informativa sulla privacy e che i tuoi dati siano archiviati negli USA.

Amato da studenti in migliaia di aziende

Descrizione del corso

La padronanza richiede pratica. Dopo aver completato Statistical Thinking I e II, hai sviluppato una mentalità probabilistica e le competenze di hacker stats per estrarre insight azionabili dai tuoi dati. Le basi ci sono: ora è il momento di fare pratica.In questo corso metterai in pratica le tue abilità di pensiero statistico, analisi esplorativa dei dati, stima dei parametri e test d'ipotesi su due nuovi insiemi di dati reali. Per iniziare, esplorerai i dati dei Campionati mondiali di sport acquatici FINA 2013 e 2015, dove quantificherai velocità relative e variabilità tra i nuotatori. Eseguirai poi un'analisi statistica per valutare la "current controversy" dei Mondiali 2013, in cui alcuni atleti sostenevano che una leggera corrente in vasca stesse influenzando i risultati. In seguito, studierai frequenza e magnitudo dei terremoti nel mondo. Infine, analizzerai i cambiamenti nella sismicità nello stato dell'Oklahoma (USA) dopo che nell'ultimo decennio è diventata comune la pratica di iniezione ad alta pressione di acque reflue nei siti di estrazione petrolifera. Lavorando su questi insiemi di dati compirai passi fondamentali verso la padronanza, consolidando ciò che già sai ed estendendo la tua capacità di usare statistica e Python per dare senso ai dati.

Prerequisiti

Curriculum

Programma del corso

4

Sismologia statistica e la regione di Parkfield

Qui userai le tue abilità di pensiero statistico per studiare frequenza e magnitudo dei terremoti. Nel frattempo imparerai alcune basi di sismologia statistica, tra cui la legge di Gutenberg-Richter. Questo esercizio mette in luce due idee chiave sulla data science: 1) Come data scientist, ti troverai spesso in analisi specifiche di dominio, il che è molto stimolante. Impari continuamente. 2) A volte ti troverai con dati limitati, come in molti di questi studi sui terremoti. Puoi comunque fare ottimi progressi!
Inizia capitolo

Casi di studio nel pensiero statistico

Corso
completato

Ottieni l'attestato di completamento

Iscriviti ora

Aumenta le tue competenze sui dati con l'app di DataCamp

Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.