Estatística com Python: Frequências e Medidas

Este repositório contém a aula prática desenvolvida durante o curso "Estatística com Python: Resumindo e Analisando Dados", oferecido pela Alura em parceria com a Oracle, no programa Oracle Next Education (ONE). A orientação foi conduzida pela instrutora Danielle Oliveira.

🎯 Objetivo

Aplicar, por meio de um notebook em Python, os principais conceitos de estatística descritiva, explorando dados reais com a biblioteca pandas, visualizando com matplotlib e seaborn, e realizando análises fundamentais para a compreensão e resumo de dados em projetos de ciência de dados.

✅ Aprendizados Desenvolvidos

📊 Exploração Inicial de Dados

• Uso de métodos básicos do pandas como head(), shape, info();
• Identificação de variáveis qualitativas e quantitativas;
• Diferença entre variáveis numéricas discretas e contínuas.

📈 Visualizações com Gráficos

• Gráficos de barras com matplotlib.pyplot;
• Visualizações com seaborn: histogramas, curvas de densidade, boxplots;
• Representações para validar hipóteses de distribuição e identificar outliers e assimetrias.

🔧 Transformações e Preparação

• Conversão de variáveis numéricas em categóricas com pd.cut() e .map();
• Ordenação com sort_values() e filtragens com .isin() e condições booleanas;
• Formatação de valores numéricos com f-strings.

📋 Tabelas de Frequência e Contingência

• Construção de tabelas de frequência absoluta e relativa;
• Agrupamentos com groupby(), size() e value_counts();
• Uso de pd.crosstab() para tabelas de contingência, com aplicação do parâmetro normalize.

📐 Medidas Estatísticas

• Tendência central: média, mediana e moda;
• Dispersão: desvio médio absoluto (MAD), variância e desvio padrão;
• Medidas separatrizes: quartis e percentis;
• Interpretação da simetria e assimetria das distribuições.

🧮 Análises Segmentadas e Subconjuntos

• Cálculo de médias por categorias com groupby() + funções de agregação;
• Comparação de distribuições entre grupos com boxplots;
• Aplicação da regra de Sturges para definição do número ideal de classes.

🔁 Reprodutibilidade

• Geração de amostras aleatórias com numpy.random e uso de seed para replicabilidade.

📚 Bibliotecas Utilizadas

• pandas
• matplotlib.pyplot
• seaborn
• numpy

📂 Arquivo Principal

• Projeto_Estatística_com_Python_frequencias_e_medidas.ipynb – Notebook completo com todo o conteúdo aplicado durante o curso.

🧠 Instrução

Curso ministrado por Danielle Oliveira
📘 Plataforma: Alura
🤝 Parceria: Oracle
🎓 Programa: Oracle Next Education (ONE)

© 2025 – Projeto educacional com fins de estudo e portfólio.