Del curso: Python para Ciência de Dados: Formação Básica
Únete hoy para acceder a más de 24.300 cursos impartidos por expertos del sector.
Identificando correlações: Método paramétrico - Tutorial de Python
Del curso: Python para Ciência de Dados: Formação Básica
Identificando correlações: Método paramétrico
Para terminar esse capítulo, nas próximas aulas, nós vamos ver como estudar correlações entre as variáveis nos nossos conjuntos de dados, mas antes eu preciso te alertar de algo muito importante sobre correlações. Correlação não implica causalidade. Deixe-me dar um exemplo disso. Vamos supor que você está fazendo um estudo que busca entender se a obesidade e a região em que as pessoas vivem têm relação. Para isso, você está usando dois conjuntos de dados. Um deles contém tamanhos de supermercados e o CEP de cada um deles e o outro contém a taxa de obesidade para cada CEP. Então, você decide usar o método de Pearson, que eu vou te mostrar mais tarde como aplicar, para identificar a correlação entre o tamanho de supermercado e a obesidade. E você percebe que quanto maior o tamanho supermercado, maior a taxa de obesidade. Claro que o tamanho do mercado não causa obesidade. Mas eles estão correlacionados e nós conseguimos quantificar essa correlação…
Practica mientras aprendes con los archivos de ejercicios.
Descarga los archivos que el instructor utiliza para enseñar el curso. Sigue las instrucciones y aprende viendo, escuchando y practicando.
Descarga cursos y fórmate estés donde estés
Ve cursos en tu dispositivo móvil sin conexión a Internet. Descarga cursos con la aplicación de LinkedIn Learning para iOS o Android.
Contenido
-
-
-
-
-
(Bloqueado)
Arrays e Numpy4 min 27 s
-
(Bloqueado)
Matrizes e Numpy5 min 10 s
-
(Bloqueado)
Estatística Descritiva1 min 26 s
-
(Bloqueado)
Investigando valores numéricos2 min 42 s
-
(Bloqueado)
Investigando a dispersão de uma variável2 min 57 s
-
(Bloqueado)
Variáveis categóricas1 min 4 s
-
(Bloqueado)
Dados categóricos e o Pandas4 min 22 s
-
(Bloqueado)
Identificando correlações: Método paramétrico2 min 6 s
-
(Bloqueado)
Calculando o Coeficiente de Pearson5 min 43 s
-
(Bloqueado)
Identificando correlações: Método não-paramétrico2 min 25 s
-
(Bloqueado)
Usando Spearman e Qui-Quadrado6 min 27 s
-
(Bloqueado)
Transformando distribuições de dados2 min
-
(Bloqueado)
Pre-processamento com Sckit-Learn6 min 13 s
-
(Bloqueado)
-
-
-
-
-
-
-