Summary  
This chapter covers exploratory data analysis techniques in code, including loading and inspecting data structures, computing summary statistics, handling missing values, and printing sample records to identify patterns and issues.

General domain of usage  
Data science

Dieser Kurs vermittelt Ihnen grundlegende Kenntnisse der Statistik. Er richtet sich an Studierende mit Grundkenntnissen der Python-Syntax, da sie mit den Modulen NumPy und pandas arbeiten werden. Im Verlauf des Kurses machen Sie sich mit den grundlegenden Konzepten vertraut und gehen dann schrittweise zu komplexeren Konzepten und Aufgaben über.

Dieser Abschnitt behandelt den ersten realen statistischen Anwendungsfall: das Bestimmen von Konfidenzintervallen. Dafür sind Kenntnisse in den Bibliotheken NumPy, pandas, Matplotlib und Seaborn erforderlich, um mathematische Formeln zu berechnen und Visualisierungen zu erstellen. In diesem Abschnitt erwartet Sie nur wenig Theorie, aber ein hoher Praxisanteil!

Ein unverzichtbarer Bestandteil der Arbeit eines Data Analysts ist das Durchführen von Hypothesentests. Nach Abschluss dieses Abschnitts verstehen Sie das Konzept des Testens in der Statistik und können einen t-Test mit Python durchführen.

Datensatz Untersuchen

Lösung

Awesome!

Datensatz Untersuchen

Lösung

Awesome!