50% de desconto no DataCamp Premium. Mais de 700 cursos pela metade do preço. Comece a aprender hoje.
Descrição do curso
Depois de todo o trabalho para adquirir dados e colocá-los em um formato utilizável, o objetivo final é tirar conclusões claras e objetivas. Essa etapa crucial do pipeline de análise de dados se baseia nos princípios da inferência estatística. Neste curso, você vai começar a construir a base necessária para pensar de forma estatística, falar a linguagem dos seus dados e entender o que eles estão dizendo. As bases do pensamento estatístico levaram décadas para serem desenvolvidas, mas hoje podem ser assimiladas muito mais rapidamente com a ajuda dos computadores. Com o poder das ferramentas em Python, você vai evoluir rapidamente e, até o final do curso, já estará pensando estatisticamente.
Pré-requisitos
Programa de estudos
Descrição do curso
1
Análise Exploratória de Dados com Gráficos
Antes de mergulhar em técnicas sofisticadas de inferência estatística, primeiro explore seus dados por meio de gráficos e do cálculo de estatísticas-resumo simples. Esse processo, chamado de análise exploratória de dados, é um passo inicial crucial na análise estatística.
- Introdução à Análise Exploratória de Dados50 XP
- Qual é o objetivo da inferência estatística?50 XP
- Vantagens da EDA gráfica50 XP
- Traçando um histograma50 XP
- Plotando um histograma de dados de iris100 XP
- Rótulos dos eixos!100 XP
- Ajustando o número de bins em um histograma100 XP
- Represente todos os seus dados: bee swarm plots50 XP
- Gráfico bee swarm100 XP
- Interpretando um gráfico de enxame de abelhas50 XP
- Represente todos os seus dados: ECDFs50 XP
- Calculando a ECDF100 XP
- Plotando a ECDF100 XP
- Comparação de ECDFs100 XP
- Rumo à história completa!50 XP
2
Análise Exploratória de Dados Quantitativa
Neste capítulo, você vai calcular estatísticas-resumo úteis, que descrevem de forma concisa as características mais relevantes de um conjunto de dados com poucos números.
3
Pensando Probabilisticamente — Variáveis Discretas
A inferência estatística se apoia na probabilidade. Como raramente podemos afirmar algo com absoluta certeza a partir dos dados, usamos linguagem probabilística para fazer declarações quantitativas. Neste capítulo, você vai aprender a pensar probabilisticamente sobre quantidades discretas: aquelas que só podem assumir certos valores, como inteiros.
4
Pensando Probabilisticamente — Variáveis Contínuas
É hora de avançar para variáveis contínuas, como aquelas que podem assumir qualquer valor fracionário. Muitos dos princípios são os mesmos, mas há algumas sutilezas. Ao final deste capítulo, você estará usando a linguagem probabilística necessária para partir para as técnicas de inferência abordadas na continuação deste curso.
Pensamento Estatístico em Python (Parte 1)
Curso
concluído
