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

Dette kurset gir deg grunnleggende kunnskap om statistikk. Det er ment for studenter med grunnleggende kjennskap til Python-syntaks, da de vil arbeide med NumPy- og pandas-modulene. I løpet av kurset vil du bli kjent med de grunnleggende konseptene og deretter gradvis gå videre til mer komplekse begreper og oppgaver.

Denne delen vil hjelpe oss med å håndtere det første reelle statistiske tilfellet: å finne konfidensintervaller. Det krever kunnskap om NumPy, pandas, Matplotlib og Seaborn-biblioteket for å beregne matematiske formler og lage visualiseringer. For å motivere deg til å gjennomføre denne delen, vil jeg påpeke at du vil møte en liten mengde teori, men en betydelig mengde praksis!

En uatskillelig del av en dataanalytikers hverdag er å gjennomføre hypotesetesting. Etter å ha fullført denne delen vil du forstå ideen bak testing i statistikk og kunne utføre en t-test ved hjelp av Python.

Utforsk Datasettet

Løsning

Awesome!

Awesome!

Utforsk Datasettet

Løsning

Awesome!