Teste de hipóteses em Python
Aprenda como e quando usar testes de hipótese comuns como t-testes, testes de proporção e qui-quadrado em Python.
Comece O Curso Gratuitamente4 horas15 vídeos50 exercícios38.729 aprendizesDeclaração de Realização
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.Treinar 2 ou mais pessoas?
Tentar DataCamp for BusinessAmado por alunos de milhares de empresas
Descrição do Curso
O teste de hipóteses permite que você responda a perguntas sobre seus conjuntos de dados com rigor estatístico. Neste curso, você desenvolverá suas habilidades analíticas em Python à medida que aprender como e quando usar testes comuns, como testes t, testes de proporção e testes de qui-quadrado. Trabalhando com dados reais, como feedback de usuários do Stack Overflow e dados de uma cadeia de suprimentos de entregas de materiais médicos, você vai adquirir uma grande compreensão de como funcionam esses testes e as principais suposições que os embasam. Você também descobrirá como os testes não paramétricos podem ser usados para ir além das limitações dos testes de hipóteses tradicionais.
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Fundamentos de estatística em Python
Ir para a trilha- 1
Fundamentos do teste de hipóteses
GratuitoComo funciona o teste de hipóteses e que problemas ele pode resolver? Para descobrir isso, você percorrerá o fluxo de trabalho de um teste de proporção de uma amostra. Ao fazer isso, você vai se deparar com conceitos importantes como escores z, valores p e erros de falsos negativos e falsos positivos.
Testes de hipóteses e escores z50 xpUsos dos testes A/B50 xpCálculo da média da amostra100 xpCálculo de um escore z100 xpValores p50 xpJulgamentos criminais e testes de hipóteses50 xpUnicaudal à esquerda, unicaudal à direita e bicaudal100 xpCálculo dos valores p100 xpSignificância estatística50 xpDecisões com base nos valores p50 xpCálculo do intervalo de confiança100 xpErros tipo I e tipo II100 xp - 2
Testes de duas amostras e ANOVA
Neste capítulo, você aprenderá a testar as diferenças de médias entre dois grupos usando testes t e estenderá isso para mais de dois grupos usando testes t dois a dois e ANOVA.
Realização de testes t50 xpFluxo de trabalho de um teste de hipóteses100 xpEstatística de teste para média de duas amostras100 xpCálculo de valores p a partir de estatísticas t50 xpPor que o t é necessário?50 xpA distribuição t50 xpDe t para p100 xpTestes t emparelhados50 xpO emparelhamento é necessário?100 xpVisualização da diferença100 xpComo usar o ttest()100 xpTestes de ANOVA50 xpVisualização de várias categorias100 xpRealização de um teste de ANOVA100 xpTestes t dois a dois100 xp - 3
Testes de proporção
Agora é hora de testar as diferenças nas proporções entre dois grupos usando testes de proporção. Por meio de exercícios práticos, você ampliará seus testes de proporção para mais de dois grupos com testes qui-quadrado de independência e retornará ao caso de uma amostra com testes de qui-quadrado para qualidade do ajuste.
Testes de proporção de uma amostra50 xpt para proporções?50 xpTeste de proporções únicas100 xpTestes de proporção de duas amostras50 xpTeste de duas proporções100 xpproportions_ztest() para duas amostras100 xpTeste qui-quadrado de independência50 xpA distribuição qui-quadrado50 xpQuantas caudas para testes de qui-quadrado?50 xpComo realizar um teste de qui-quadrado100 xpTestes de qui-quadrado para qualidade do ajuste50 xpVisualização da qualidade do ajuste100 xpTeste da qualidade do ajuste100 xp - 4
Testes não paramétricos
Por fim, é hora de aprender sobre as suposições feitas pelos testes de hipóteses paramétricos e ver como os testes não paramétricos podem ser usados quando essas suposições não são atendidas.
Suposições em testes de hipóteses50 xpSuposições comuns dos testes de hipóteses50 xpTamanho da amostra de teste100 xpTestes não paramétricos50 xpQual teste paramétrico?50 xpTeste dos postos sinalizados de Wilcoxon100 xpTestes de ANOVA não paramétricos e testes t não emparelhados50 xpWilcoxon-Mann-Whitney100 xpKruskal-Wallis100 xpParabéns!50 xp
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Fundamentos de estatística em Python
Ir para a trilhaconjuntos de dados
Late ShipmentsStack OverflowU.S. Democrat Votes 2012/2016U.S. Republican Votes 2008/2012colaboradores
pré-requisitos
Sampling in PythonJames Chapman
Ver MaisCurriculum Manager, DataCamp
O que os outros alunos têm a dizer?
Junte-se a mais de 15 milhões de alunos e comece Teste de hipóteses em Python hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.