Build your ultimate AI agent
Descrição do curso
Probabilidade é o estudo das regularidades que surgem nos resultados de experimentos aleatórios. Neste curso, você vai aprender conceitos fundamentais de probabilidade, como variáveis aleatórias (começando com o clássico exemplo do lançamento de moeda) e como calcular média e variância, distribuições de probabilidade e probabilidade condicional. Também vamos explorar dois resultados muito importantes em probabilidade: a lei dos grandes números e o teorema central do limite. Como probabilidade está no núcleo de data science e Machine Learning, esses conceitos vão ajudar você a entender e aplicar modelos de forma mais robusta. As chances estão em toda parte, e o estudo da probabilidade vai mudar a maneira como você vê o mundo. Vamos mergulhar no aleatório!
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Vamos começar lançando moedas
Lançar uma moeda é o exemplo clássico de experimento aleatório. Os possíveis resultados são cara ou coroa. Esse tipo de experimento, conhecido como ensaio de Bernoulli ou binomial, permite estudar problemas com dois possíveis desfechos, como “sim” ou “não” e “votar” ou “não votar”. Este capítulo apresenta experimentos de Bernoulli, distribuições binomiais para modelar múltiplos ensaios de Bernoulli e simulações de probabilidade com a biblioteca scipy.
- Vamos jogar uma moeda em Python50 XP
- Lançando moedas100 XP
- Usando binom para jogar ainda mais moedas100 XP
- Funções de massa de probabilidade e de distribuição50 XP
- Prevendo a probabilidade de defeitos100 XP
- Prevendo a situação de emprego100 XP
- Prevendo a taxa de condenação por furto100 XP
- Valor esperado, média e variância50 XP
- Calculando o valor esperado e a variância50 XP
- Calculando a média amostral100 XP
- Conferindo o resultado100 XP
- Calculando a média e a variância de uma amostra100 XP
2
Calcule algumas probabilidades
Neste capítulo, você vai aprender a calcular vários tipos de probabilidades, como a probabilidade da interseção de dois eventos e a soma das probabilidades de dois eventos, e a simular essas situações. Você também vai aprender sobre probabilidade condicional e como aplicar a regra de Bayes.
3
Distribuições de probabilidade importantes
Até agora, trabalhamos com distribuições binomiais, mas há muitas distribuições de probabilidade que uma variável aleatória pode assumir. Neste capítulo, vamos apresentar mais três que são relacionadas à distribuição binomial: as distribuições normal, de Poisson e geométrica.
4
Quando probabilidade encontra estatística
Agora que você sabe calcular probabilidades e propriedades importantes de distribuições de probabilidade, vamos apresentar dois resultados essenciais: a lei dos grandes números e o teorema central do limite. Isso vai ampliar seu entendimento sobre como a média amostral converge para a média populacional à medida que mais dados ficam disponíveis e como a soma de variáveis aleatórias se comporta sob certas condições.
Também vamos explorar conexões entre regressões linear e logística como aplicações de probabilidade e estatística em data science.
Fundamentos de Probabilidade em Python
Curso
concluído
