Fundamentos de probabilidades aplicadas com Python
Esta formação oferece uma introdução clara e acessível aos princípios fundamentais das probabilidades com Python. Permite compreender os conceitos de probabilidade, os diferentes tipos de distribuições, os mecanismos do acaso e os conceitos essenciais
Crie a sua conta gratuita
Como decorre o curso
Cada lição é um texto estruturado, ilustrado com exemplos e esquemas, seguido de um quiz corrigido automaticamente. Você avança no seu próprio ritmo, e as suas notas ficam associadas à lição em que as fez.
-
Adquirir um domínio sólido dos conceitos fundamentais das probabilidades
-
Compreender os mecanismos dos eventos aleatórios e das variáveis aleatórias
-
Saber calcular e interpretar probabilidades com a ajuda do Python
-
Descobrir as principais distribuições de probabilidade e as suas aplicações
-
Desenvolver a capacidade de modelar e simular situações aleatórias para resolver problemas concretos
-
Analista de dados : recolha, tratamento e análise de dados para identificar tendências e facilitar a tomada de decisões.
-
Assistente de estatística : realização de análises estatísticas e aplicação de métodos probabilísticos para interpretar resultados.
-
Data analyst júnior : exploração de dados com Python para identificar tendências e produzir análises pertinentes.
-
Analista de riscos : avaliação de incertezas e estimação de riscos a partir de modelos probabilísticos.
-
Assistente em modelação estatística : utilização de métodos matemáticos e probabilísticos para representar fenómenos aleatórios.
-
Analista financeiro júnior : aplicação de probabilidades para estudar riscos financeiros e analisar diferentes cenários.
-
Técnico em estudos estatísticos : preparação de dados, realização de cálculos probabilísticos e interpretação de resultados.
-
Assistente em investigação científica : participação em trabalhos de investigação que requerem simulações e análises probabilísticas.
-
Programador Python júnior orientado para dados : criação de scripts para automatizar cálculos, realizar simulações e explorar dados.
Acessibilidade

Se está numa situação de deficiência e pretende frequentar uma formação connosco, este e-mail é-lhe dedicado: contact@datagoz.com . Para qualquer outra situação, não hesite em contactar-nos para avaliarmos como garantir uma experiência de aprendizagem.
Como financio a minha formação?
Certificado de conclusão: no final deste curso, é-lhe emitido um certificado de conclusão DATAGOZ, nominativo e verificável online.
A equipa DATAGOZ deseja-lhe uma boa formação!
6 capítulos, 63 lições
- 2. Lançar uma moeda com Pythonaberto
- 2. Simular lançamentos de moedasaberto
- 2. Multiplicar as simulações de lançamentos com a função binomaberto
- 2. Distinguir as funções de massa e de distribuição de probabilidadeaberto
- 2. Estimar a probabilidade de defeitosaberto
- 2. Prever a situação profissional a partir das probabilidadesaberto
- 2. Estimar a taxa de condenação por roubo com arrombamentoaberto
- 2. Descobrir a esperança matemática, a média e a variânciaaberto
- 2. Calcular a esperança e a variância de uma distribuiçãoaberto
- 2. Estimar a média a partir de simulaçõesaberto
- 2. Verificar a precisão dos resultados obtidosaberto
- 2. Calcular a média e a variância de uma amostraaberto
- 3. Calcular a probabilidade de dois eventosassinantes
- 3. Analisar a sobreposição entre vários eventosassinantes
- 3. Estudar as características de uma amostraassinantes
- 3. Calcular probabilidades conjuntasassinantes
- 3. Resolver problemas de probabilidade com um baralho de cartasassinantes
- 3. Determinar probabilidades condicionaisassinantes
- 3. Avaliar as probabilidades de atraso dos voosassinantes
- 3. Analisar as relações entre eventos com uma tabela de contingênciaassinantes
- 3. Aprofundar os cálculos de probabilidades com as cartasassinantes
- 3. Aplicar a lei das probabilidades totaisassinantes
- 3. Estimar as chances de vitória dos pilotos de Fórmula 1assinantes
- 3. Analisar as probabilidades ligadas às escolhas dos eleitoresassinantes
- 3. Utilizar a regra de Bayes para atualizar as probabilidadesassinantes
- 3. Aprofundar o cálculo das probabilidades condicionaisassinantes
- 3. Estudar as probabilidades de produção em fábricasassinantes
- 3. Avaliar a fiabilidade de um teste sanguíneo de rastreio da gripe suínaassinantes
- 4. Explorar a lei normalassinantes
- 4. Determinar a amplitude dos valores possíveisassinantes
- 4. Representar graficamente distribuições normaisassinantes
- 4. Estudar os valores situados a menos de três desvios padrão da médiaassinantes
- 4. Calcular probabilidades a partir da distribuição normalassinantes
- 4. Aplicar a distribuição normal às despesas em restauranteassinantes
- 4. Modelar a autonomia de uma bateria de smartphone com a distribuição normalassinantes
- 4. Analisar a distribuição das alturas entre adultosassinantes
- 4. Descobrir a distribuição de Poissonassinantes
- 4. Aplicar a distribuição de Poisson às operações de uma máquina de venda automáticaassinantes
- 4. Modelar a frequência de acidentes em autoestrada com a distribuição de Poissonassinantes
- 4. Gerar e visualizar distribuições de Poisson em Pythonassinantes
- 4. Descobrir a distribuição geométricaassinantes
- 4. Aplicar a lei geométrica à captura de salmõesassinantes
- 4. Modelar o número de acertos nos lances livres com a lei geométricaassinantes
- 4. Gerar e representar graficamente distribuições geométricasassinantes
- 5. Passar da média de uma amostra para a da populaçãoassinantes
- 5. Criar uma amostra aleatória em Pythonassinantes
- 5. Calcular a média de uma amostraassinantes
- 5. Representar graficamente a distribuição das médias amostraisassinantes
- 5. Estudar a soma de variáveis aleatóriasassinantes
- 5. Comparar as médias obtidas em várias amostrasassinantes
- 5. Compreender por que as médias amostrais seguem uma lei normalassinantes
- 5. Analisar a soma dos resultados de vários lançamentos de dadosassinantes
- 5. Conhecer os princípios da regressão linearassinantes
- 5. Ajustar um modelo de regressão linear aos dadosassinantes
- 5. Prever os resultados de exames com um modelo linearassinantes
- 5. Analisar os resíduos de um modelo de regressãoassinantes
- 5. Conhecer a regressão logísticaassinantes
- 5. Construir e ajustar um modelo de regressão logísticaassinantes
- 5. Prever o sucesso dos estudantes a partir dos seus dadosassinantes
- 5. Calcular a probabilidade de ser aprovado em dois examesassinantes
- 5. Fazer um balanço dos conceitos de probabilidades e estatística estudadosassinantes
Tudo o que acompanha as lições
Quanto tempo, de acordo com a sua disponibilidade
O que você obtém no final
Quando o curso termina, o certificado é emitido em seu nome. O código permite a um recrutador verificá-lo em poucos segundos.
Não é um diploma nem uma certificação profissional; é a prova verificável de que você frequentou e concluiu este curso.
Quem escreve este curso
Uma pedagogia clara e aplicada, com exemplos concretos para aprender de forma eficaz.
Antes de começar
Comece este curso hoje
13 lições abertas, sem cartão bancário. Verás o nível e o tom antes de decidir.