Estatística para Análise de Dados usando Python

Programa e informações gerais do curso

1 Resumo

A análise de dados feita do jeito certo passa, necessariamente, pela estatística. Sem esse alicerce, gráficos e tabelas viram apenas descrições superficiais, sem capacidade de sustentar conclusões. Este curso apresenta a estatística aplicada à análise de dados com Python, partindo da exploração de dados univariados até modelos como regressão linear e análise de variância, sempre com foco na prática e na interpretação dos resultados.

O conteúdo é voltado para quem quer realizar análise de dados como os profissionais da área fazem: descrevendo, visualizando e, principalmente, extraindo inferências válidas a partir de amostras. Ao longo das aulas, você percorre as etapas que vão da estatística descritiva à inferência estatística, aprendendo a construir intervalos de confiança, conduzir testes de significância e ajustar modelos estatísticos para responder perguntas sobre os dados.

O curso é indicado para quem já programa em Python e deseja adicionar uma base sólida de estatística ao seu trabalho com dados, usando ferramentas modernas e uma abordagem orientada à aplicação.

Categoria Informação
Carga horária total 20 horas
Horas de vídeo 5 horas
Número de aulas 14
Nível Intermediário
Certificado Sim, emitido pela Análise Macro

2 Pré-requisitos e Objetivos

Pré-requisitos

  • Saber programar com a linguagem Python.

O que você será capaz de fazer

  • Realizar a exploração de dados de forma estruturada, cobrindo dados univariados, bivariados e multivariados.
  • Construir e interpretar gráficos para investigar relações entre variáveis.
  • Trabalhar com variáveis aleatórias e diferentes tipos de distribuição de probabilidade.
  • Aplicar inferência estatística para tirar conclusões a partir de amostras.
  • Construir intervalos de confiança e conduzir testes de significância.
  • Avaliar a qualidade do ajuste e estimar modelos estatísticos, como regressão linear e análise de variância.
  • Estender a análise para modelos lineares generalizados e modelos não lineares.

Habilidades e ferramentas

  • Python: linguagem utilizada em todas as etapas da análise.
  • Jupyter: ambiente para escrever, executar e documentar as análises de forma interativa.
  • Estatística aplicada: estatística descritiva, inferência estatística, intervalos de confiança, testes de significância e modelagem.
  • Visualização de dados: construção de gráficos para análise exploratória.

3 Programa Detalhado

O conteúdo é organizado nas seções temáticas abaixo, distribuídas ao longo das aulas do curso.

  • Aula 01 – Preparando o ambiente
  • Aula 02 – Dados Univariados: vetores, estatísticas descritivas e dados categóricos
  • Aula 03 – Dados Bivariados: amostras independentes, estruturas de dados no Python e dados emparelhados
  • Aula 04 – Dados Multivariados: data frames, aplicando funções sobre dados e dados externos
  • Aula 05 – Gráficos Multivariados: gráficos básicos com matplotlib e seaborn
  • Aula 06 – População: variáveis aleatórias discretas e diferentes tipos de distribuição
  • Aula 07 – Inferência Estatística
  • Aula 08 – Intervalos de Confiança
  • Aula 09 – Testes de Significância
  • Aula 10 – Qualidade do Ajuste
  • Aula 11 – Regressão Linear
  • Aula 12 – Análise de Variância
  • Aula 13 – Extensões: modelos lineares generalizados e modelos não lineares

4 Inscrição

A matrícula dá acesso às videoaulas, ao material do curso e aos exemplos práticos em Python, além do certificado de conclusão emitido pela Análise Macro. O conteúdo fica disponível para acompanhar no seu ritmo, permitindo revisar cada tema sempre que precisar.