Este capítulo inicia o curso revisando probabilidades condicionais, o teorema de Bayes e o teorema central do limite. Ao longo do caminho, você vai aprender a lidar com questões que utilizam distribuições de probabilidade frequentemente referenciadas.

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

Probabilidade e distribuições amostrais

Neste capítulo, você vai se preparar para conceitos estatísticos ligados à análise exploratória de dados. Os tópicos incluem estatística descritiva, tratamento de variáveis categóricas e relações entre variáveis. Os exercícios vão te preparar para uma avaliação analítica ou uma questão de codificação baseada em estatística.

Estatística descritiva

Média ou mediana

Calculando o desvio padrão na mão

Dados categóricos

Técnicas de codificação

Explorando preços de laptops

Duas ou mais variáveis

Tipos de relacionamentos

Correlação de Pearson

Sensibilidade a outliers

Análise exploratória de dados

Prepare-se para se aprofundar em conceitos cruciais sobre experimentos e testes revisando intervalos de confiança, testes de hipótese, testes múltiplos e o papel do poder estatístico e do tamanho de amostra. Também vamos discutir tipos de erro e o que eles significam na prática.

Intervalos de confiança

Intervalo de confiança na mão

Aplicando intervalos de confiança

Teste de hipótese

Teste z unilateral

Teste t bicaudal

Poder estatístico e tamanho de amostra

Efeito no erro do tipo II

Calculando o tamanho da amostra

Visualizando a relação

Testes múltiplos

Calculando taxas de erro

Correção de Bonferroni

Experimentos estatísticos e testes de significância

Para concluir, vamos abordar conceitos intimamente relacionados a modelos de regressão e classificação. O capítulo começa revisando algoritmos fundamentais de Machine Learning e rapidamente avança para avaliação de modelos, tratamento de casos especiais e o trade-off viés-variância.

Modelos de regressão

Regressão linear

Regressão logística

Avaliando modelos

Avaliação de regressão

Avaliação de classificação

Dados ausentes e outliers

Tratando valores nulos

Identificando outliers

Compromisso entre viés e variância

Erro de teste e de treino

Visualizando o trade-off

Encerrando

Regressão e classificação

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

Erro de teste e de treino

Praticando perguntas de entrevista de Estatística em Python

exercicio interativo prático