Atividade A1 Estatística Aplicada Ao Data Science

Prévia do material em texto

Aluno: Danilo Martins dos Santos. RA: 2022209188 
Atividade A1 – Estatística Aplicada Ao Data Science 
 
Enunciado 
 
Nesta unidade você foi apresentado a um Breve Histórico sobre a Estatística Aplicada ao 
Data Science. Neste caso, tendo em vista o que você aprendeu, descreva este histórico. 
 
Resumo: Estatística Aplicada ao Data Science 
1. Introdução à Estatística 
• Estatística é a ciência que coleta, organiza, analisa e interpreta dados. 
• Aplicada em diversas áreas, especialmente na tomada de decisões baseada em 
dados. 
2. População e Amostra 
• População: conjunto completo de elementos ou eventos. 
• Amostra: subconjunto representativo da população. 
• Tipos de amostragem: aleatória simples, estratificada, sistemática, por 
conglomerados. 
3. Tipos de Variáveis 
• Qualitativas: categóricas (nominais e ordinais). 
• Quantitativas: numéricas (discretas e contínuas). 
4. Medidas Descritivas 
• Tendência central: média, mediana, moda. 
• Dispersão: variância, desvio padrão, coeficiente de variação. 
• Posição: quartis, percentis. 
5. Distribuições de Frequência 
• Tabelas e gráficos (barras, setores, histogramas) são utilizados para representar 
dados. 
6. Probabilidade 
• Conceitos básicos: espaço amostral, eventos, probabilidade clássica, frequencial e 
subjetiva. 
• Regras da adição e multiplicação. 
• Eventos independentes e mutuamente exclusivos. 
7. Distribuições de Probabilidade 
• Binomial: número de sucessos em n tentativas. 
• Poisson: número de ocorrências em intervalos fixos. 
• Normal: distribuição contínua, simétrica e em forma de sino. 
8. Inferência Estatística 
• Estimativas: pontual e intervalar. 
• Testes de hipóteses: significância, erro tipo I e II, valor-p. 
• Intervalo de confiança e testes z e t. 
9. Correlação e Regressão 
• Correlação: grau de associação entre duas variáveis (coeficiente de correlação de 
Pearson). 
• Regressão linear simples: modelo para prever uma variável com base em outra. 
10. Aplicações em Data Science 
• Estatística é base para modelagem preditiva, machine learning e análise de dados. 
• Ferramentas estatísticas são aplicadas para entender padrões e apoiar decisões 
baseadas em dados.