
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.