Introdução à estatística em Python
"Desenvolva suas habilidades estatísticas e aprenda a coletar, analisar e concluir dados com Python."
Comece O Curso Gratuitamente4 horas15 vídeos54 exercícios121.155 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
A estatística é o estudo de como coletar, analisar e tirar conclusões dos dados. É uma ferramenta extremamente valiosa que você pode usar para colocar o futuro em foco e inferir a resposta para muitas perguntas. Por exemplo, qual é a probabilidade de alguém comprar seu produto, quantas ligações sua equipe de suporte receberá e quantos tamanhos de jeans você deve fabricar para atender a 95% da população? Neste curso, você descobrirá como responder a perguntas como essas à medida que desenvolve suas habilidades estatísticas e aprende a calcular médias, usar gráficos de dispersão para mostrar a relação entre valores numéricos e calcular a correlação. Você também abordará a probabilidade, a espinha dorsal do raciocínio estatístico, e aprenderá a usar o Python para conduzir um estudo bem elaborado e tirar suas próprias conclusões a partir dos dados.
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Fundamentos de dados Python
Ir para a trilha- 1
Estatísticas de resumo
GratuitoAs estatísticas resumidas fornecem as ferramentas necessárias para resumir conjuntos de dados enormes e revelar os destaques. Neste capítulo, você explorará as estatísticas resumidas, incluindo média, mediana e desvio-padrão, e aprenderá a interpretá-las com precisão. Você também desenvolverá suas habilidades de pensamento crítico, o que lhe permitirá escolher as melhores estatísticas resumidas para seus dados.
O que é estatística?50 xpEstatística descritiva e inferencial100 xpClassificação do tipo de dados100 xpMedidas de centro50 xpMédia e mediana100 xpMédia vs. mediana100 xpMedidas de propagação50 xpVariância e desvio-padrão100 xpQuartis, quantis e quintis100 xpIdentificação de valores discrepantes usando IQR100 xp - 2
Números aleatórios e probabilidade
Neste capítulo, você aprenderá a gerar amostras aleatórias e a medir a chance usando a probabilidade. Você trabalhará com dados de vendas do mundo real para calcular a probabilidade de um vendedor ser bem-sucedido. Por fim, você usará a distribuição binomial para modelar eventos com resultados binários.
Quais são as chances?50 xpCom ou sem substituição?100 xpCálculo de probabilidades100 xpAmostragem de negócios100 xpDistribuições discretas50 xpCriação de uma distribuição de probabilidade100 xpIdentificação de distribuições50 xpValor esperado vs. média da amostra50 xpDistribuições contínuas50 xpQual distribuição?100 xpBackups de dados100 xpSimulação de tempos de espera100 xpA distribuição binomial50 xpSimulação de negócios de vendas100 xpCálculo de probabilidades binomiais100 xpQuantas vendas serão realizadas?100 xp - 3
Mais distribuições e o Teorema do Limite Central
Chegou a hora de explorar uma das mais importantes distribuições de probabilidade em estatística, a distribuição normal. Você criará histogramas para traçar distribuições normais e compreenderá o teorema do limite central, antes de expandir seu conhecimento de funções estatísticas adicionando as distribuições Poisson, exponencial e t ao seu repertório.
A distribuição normal50 xpDistribuição das vendas de Amir100 xpProbabilidades da distribuição normal100 xpSimulação de vendas sob novas condições de mercado100 xpQual mercado é melhor?50 xpO teorema do limite central50 xpVisualização de distribuições de amostragem50 xpO TLC em ação100 xpA média das médias100 xpA distribuição de Poisson50 xpIdentificando o lambda100 xpRastreamento de respostas de leads100 xpMais distribuições de probabilidade50 xpArrastar e soltar a distribuição100 xpModelagem do tempo entre leads100 xpA distribuição t50 xp - 4
Correlação e projeto experimental
Neste capítulo, você aprenderá a quantificar a força de uma relação linear entre duas variáveis e a explorar como as variáveis de confusão podem afetar a relação entre duas outras variáveis. Você também verá como o desenho de um estudo pode influenciar seus resultados, alterar a forma como os dados devem ser analisados e, possivelmente, afetar a confiabilidade de suas conclusões.
Correlação50 xpAdivinhe a correlação50 xpRelações entre variáveis100 xpAdvertências sobre a correlação50 xpO que a correlação não pode medir?100 xpTransformando variáveis100 xpO açúcar aumenta a felicidade?100 xpFatores de confusão50 xpProjeto de experimentos50 xpTipos de estudo100 xpEstudos longitudinais vs. estudos transversais50 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 dados Python
Ir para a trilhaEm outras faixas
Fundamentos de estatística em Pythoncolaboradores
pré-requisitos
Data Manipulation with pandasMaggie Matsui
Ver MaisCurriculum Manager at DataCamp
O que os outros alunos têm a dizer?
Junte-se a mais de 15 milhões de alunos e comece Introdução à estatística 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.