InícioCursosIntrodução à estatística

Tipologia e identificação dos dados

Capítulo 2 · Estatística descritiva · lição 4 de 57
Reservado aos subscritores — eis o seu início
Identificar os tipos de dados Você viu que existem dois grandes tipos de dados: os dados numéricos e os dados categóricos. Os dados numéricos podem ser classificados como dados contínuos ou discretos/intervalares, e os dados categóricos podem ser classificados como dados nominais ou ordinais. O tipo de dado determina as abordagens adequadas para resumir seus dados. Você recebeu vários exemplos de dados para classificar como contínuos, nominais ou ordinais. Instruções 0XP Associe cada exemplo ao seu tipo de dado arrastando cada item e soltando-o no tipo de dado apropriado. Dica Os dados numéricos
A continuação desta lição é reservada aos subscritores Crie a sua conta gratuita para testar os exercícios de exemplo e, depois, passe para o acesso completo quando quiser.

Crie a sua conta gratuita

Sem cartão de crédito, em trinta segundos.
Continuar com o Google
ou
Inscrever-se com um e-mail
Já tem conta? Iniciar sessão
Ao continuar, aceita os termos de utilização e a política de privacidade. Os seus dados são alojados na União Europeia.

Acesso completo DATAGOZ

19 €/ mês — ou 190 € / ano
  • Todos os cursos publicados e os percursos profissionais
  • Exercícios e questionários corrigidos automaticamente
  • Treino, exame e certificado de frequência
  • Sem compromisso, cancelável online
Ver os planos
Esta lição faz parte do curso

Introdução às estatísticas

long_training6 capítulos · 57 lições
  • A plataforma de formaçãosubscritores
  • Definição e papel da estatísticaassinantes
  • Aplicações concretas da estatística no mundo realassinantes
  • Tipologia e identificação dos dadosvocê está aqui
  • Estatística descritiva vs. estatística inferencialassinantes
  • Medidas de tendência centralassinantes
  • Estudo de caso: Análise do número de delitos por distrito em Londresassinantes
  • Critérios de seleção de uma medida centralassinantes
  • Análise dos bairros de Londres com alta criminalidadeassinantes
  • Medidas de dispersão e de variabilidadeassinantes
  • Definição dos indicadores de dispersãoassinantes
  • Visualização da dispersão com diagramas de caixa (boxplots)assinantes
  • Estudo de caso: Identificação das infrações com alto desvio padrãoassinantes
  • Princípios fundamentais do cálculo de probabilidadesassinantes
  • Comparação e hierarquização de probabilidadesassinantes
  • Caso prático: Probabilidade de uma venda acima da médiaassinantes
  • Noção de probabilidade condicionalassinantes
  • Eventos dependentes vs. eventos independentesassinantes
  • Caso prático: análise probabilística de um carrinho de compras com mais de 10 artigossubscritores
  • Introdução às distribuições discretassubscritores
  • Identificação e classificação das distribuiçõessubscritores
  • Média empírica (amostra) vs média teórica (população)subscritores
  • Introdução às distribuições contínuassubscritores
  • Comparação: distribuições discretas vs distribuições contínuassubscritores
  • Deteção e propriedades da distribuição normalsubscritores
  • Cálculo de probabilidades numa distribuição uniformesubscritores
  • A distribuição binomialsubscritores
  • Identificação de uma lei binomialsubscritores
  • Influência das probabilidades na forma binomialsubscritores
  • Determinação dos parâmetros nn e ppassinantes
  • A distribuição normal (lei gaussiana)assinantes
  • Características de uma distribuição normalassinantes
  • Propriedades e especificidades da lei normalassinantes
  • Deteção da assimetria de uma distribuição (skewness)assinantes
  • Caracterização da curtose de uma distribuição (kurtosis)assinantes
  • O Teorema do Limite Central (TLC)assinantes
  • Visualização e comportamento das distribuições amostraisassinantes
  • Teorema do Limite Central vs Lei dos Grandes Númerosassinantes
  • Condições de aplicação do Teorema do Limite Centralassinantes
  • A distribuição de Poissonassinantes
  • Modelação e reconhecimento dos processos de Poissonassinantes
  • Interpretação do parâmetro lambda (λλ)assinantes
  • Fundamentos dos testes de hipótesesassinantes
  • Estudo de caso: Relação entre insolação e sonoassinantes
  • Abordagem metodológica de um teste de hipóteseassinantes
  • Distinção entre variáveis independentes e dependentesassinantes
  • Abordagem experimentalassinantes
  • Princípios e identificação dos ensaios controladosassinantes
  • Justificação e importância da randomizaçãoassinantes
  • Noção de correlaçãoassinantes
  • Medição da correlação entre várias variáveisassinantes
  • Interpretação e limites da correlação (causalidade)assinantes
  • Identificação dos fatores de confusão (variáveis confundentes)assinantes
  • Análise e interpretação dos resultados de um testeassinantes
  • Limiares de significância (αα) e valores-passinantes
  • Riscos estatísticos: Erros de Tipo I (αα) e de Tipo II (ββ)assinantes
  • Conclusãosubscritores
Próxima lição

Estatística descritiva vs estatística inferencial

Ver o programa Crie uma conta para continuar