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.

Conditional probabilities

Setting up problems

Bayes' theorem applied

Central limit theorem

Samples from a rolled die

Simulating central limit theorem

Probability distributions

Bernoulli distribution

Binomial distribution

Normal distribution

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.

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

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

Efeito no erro do tipo II

Praticando perguntas de entrevista de Estatística em Python

exercicio interativo prático