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

Deze cursus biedt u basiskennis van statistiek. Het is bedoeld voor studenten met basiskennis van Python-syntaxis, aangezien zij zullen werken met de modules NumPy en pandas. Tijdens de cursus maakt u kennis met de basisbegrippen en gaat u geleidelijk over naar complexere concepten en taken.

In deze sectie behandelen we het eerste echte statistische geval: het bepalen van betrouwbaarheidsintervallen. Hiervoor is kennis van de NumPy-, pandas-, Matplotlib- en Seaborn-bibliotheken vereist om wiskundige formules te berekenen en visualisaties te maken. Ter motivatie wil ik benadrukken dat er slechts een kleine hoeveelheid theorie aan bod komt, maar vooral veel praktijk!

Een onlosmakelijk onderdeel van het werk van een data-analist is het uitvoeren van hypothesetoetsen. Na het voltooien van deze sectie begrijp je het concept achter toetsing in de statistiek en ben je in staat een t-toets uit te voeren met Python.

Verken de Dataset

Oplossing

Awesome!

Verken de Dataset

Oplossing

Awesome!