This chapter kicks the course off by reviewing conditional probabilities, Bayes' theorem, and central limit theorem. Along the way, you will learn how to handle questions that work with commonly referenced probability distributions.

Probabilidades condicionais

Como estruturar problemas

Aplicando o teorema de Bayes

Teorema central do limite

Amostras de um dado lançado

Simulando o teorema central do limite

Distribuições de probabilidade

Distribuição de Bernoulli

Distribuição binomial

Distribuição normal

Probability and Sampling Distributions

In this chapter, you will prepare for statistical concepts related to exploratory data analysis. The topics include descriptive statistics, dealing with categorical variables, and relationships between variables.  The exercises will prepare you for an analytical assessment or stats-based coding question.

Descriptive statistics

Mean or median

Standard deviation by hand

Categorical data

Encoding techniques

Exploring laptop prices

Two or more variables

Types of relationships

Pearson correlation

Sensitivity to outliers

Exploratory Data Analysis

Prepare to dive deeper into crucial concepts regarding experiments and testing by reviewing confidence intervals, hypothesis testing, multiple tests, and the role that power and sample size play. We'll also discuss types of errors, and what they mean in practice.

Confidence intervals

Confidence interval by hand

Applying confidence intervals

Hypothesis testing

One tailed z-test

Two tailed t-test

Power and sample size

Effect on type II error

Calculating sample size

Visualizing the relationship

Multiple testing

Calculating error rates

Bonferroni correction

Statistical Experiments and Significance Testing

Wrapping up, we'll address concepts related closely to regression and classification models. The chapter begins by reviewing fundamental machine learning algorithms and quickly ramps up to model evaluation, dealing with special cases, and the bias-variance tradeoff. 

Regression models

Linear regression

Logistic regression

Evaluating models

Regression evaluation

Classification evaluation

Missing data and outliers

Handling null values

Identifying outliers

Bias-variance tradeoff

Test and training error

Visualizing the tradeoff

Wrapping up

Regression and Classification

Quer conquistar a próxima vaga ou aprimorar suas habilidades para entrevistas de estatística? Prepare-se para dominar conceitos clássicos, de probabilidades condicionais a testes A/B e ao trade-off viés-variância, e muito mais! Você vai trabalhar com uma coleção diversa de conjuntos de dados, incluindo resultados de experimentos na web e dados meteorológicos da Austrália. Ao final do curso, você vai entrar na sua próxima entrevista com confiança e encarar qualquer pergunta de estatística com a ajuda do Python!

Hypothesis Testing in Python

Supervised Learning with scikit-learn

Prepare-se para sua entrevista de estatística revisando probabilidades condicionais, testes A/B e mais.

Praticando perguntas de entrevista de Estatística em Python

Como estruturar problemas

Praticando perguntas de entrevista de Estatística em Python

exercicio interativo prático