50% de desconto no DataCamp Premium. Mais de 700 cursos pela metade do preço. Comece a aprender hoje.
Descrição do curso
Entenda de Verdade os Testes de Hipótese
O que acontece depois que você calcula suas médias e cria seus gráficos? Como você passa da estatística descritiva para a tomada de decisões com confiança? Como você pode aplicar testes de hipóteses para resolver problemas do mundo real? Neste curso de quatro horas sobre os fundamentos da inferência em Python, você terá experiência prática em tirar conclusões sólidas com base em dados. Você aprenderá tudo sobre amostragem e descobrirá como uma amostragem inadequada pode desviar a inferência estatística do curso.Analise uma ampla variedade de cenários
Você começará trabalhando com testes de hipótese para normalidade e correlação, bem como com testes paramétricos e não paramétricos. Você executará esses testes usando SciPy e interpretará a saída para usá-la na tomada de decisões.Em seguida, você medirá a força de um resultado usando tamanho de efeito e poder estatístico, tudo isso evitando correlações espúrias ao aplicar correções.Por fim, você usará simulação, randomização e meta-análise para trabalhar com uma ampla variedade de dados, incluindo a reanálise de resultados de outros pesquisadores.Tire Conclusões Sólidas a Partir de Big Data
Ao concluir o curso, você será capaz de trabalhar com big data com sucesso e usá-lo para tomar decisões fundamentadas nas quais os líderes podem confiar. Você irá muito além de gráficos e estatísticas resumidas para produzir resultados confiáveis, repetíveis e explicáveis.Pré-requisitos
Programa de estudos
Descrição do curso
1
Estatística Inferencial e Amostragem
Neste capítulo, vamos explorar a relação entre amostras e conclusões estatisticamente justificáveis. A escolha de uma amostra é a base para tomar boas decisões estatísticas, e vamos ver como essa escolha afeta o resultado da sua inferência.
- Inferência estatística e amostragem aleatória50 XP
- Amostragem e estimativas pontuais100 XP
- Amostragem repetida, estimativas pontuais e inferência100 XP
- Amostragem e viés50 XP
- Visualizando amostras100 XP
- Inferência e viés100 XP
- Intervalos de confiança e amostragem50 XP
- Distribuições amostrais normais100 XP
- Calculando intervalos de confiança100 XP
- Tirando conclusões a partir de amostras100 XP
2
Kit de Ferramentas para Testes de Hipóteses
Aprenda a aplicar testes de normalidade, testes de correlação e testes paramétricos e não paramétricos para uma inferência sólida. Testes de hipótese são ferramentas, e escolher a ferramenta certa para cada situação é fundamental para a tomada de decisão estatística. Embora você talvez já conheça alguns desses testes em cursos introdutórios, aqui você vai se aprofundar para ampliar seu kit de ferramentas inferencial.
3
Tamanho de Efeito
Neste capítulo, você vai medir e interpretar o tamanho de efeito em diferentes situações, conhecer o problema de comparações múltiplas e explorar em profundidade o poder de um teste. Enquanto valores de p indicam se há um efeito significativo, eles não dizem quão forte esse efeito é. O tamanho de efeito mede a intensidade do efeito de um tratamento. Domine os fatores que sustentam o tamanho de efeito neste capítulo.
4
Simulação, Randomização e Meta-Análise
Você vai ampliar ainda mais seu kit de ferramentas de estatística inferencial com um olhar sobre bootstrapping, testes de permutação e métodos de combinar evidências a partir de valores de p. O bootstrapping vai oferecer um primeiro contato com simulação estatística. Na lição sobre meta-análise, você vai aprender tudo sobre combinar resultados de múltiplos estudos. Você vai encerrar com testes de permutação, uma ferramenta estatística não paramétrica poderosa e flexível.
Fundamentos de Inferência em Python
Curso
concluído
