Summary  
This chapter demonstrates printing the first rows of a dataset and matching each column with its statistical data type.

General domain of usage  
IT salary data analysis

In deze sectie wordt een steekproef van salarissen van IT-specialisten geanalyseerd. Begin met het bekijken van de eerste vijf waarnemingen van de dataset:

- `work_year` - het jaar waarin het salaris is uitbetaald;
- `experience_level` - het ervaringsniveau: EN is instapniveau, MI is middenniveau, SE is senior-niveau, EX is directieniveau;
- `job_title` - de functienaam;
- `salary` - het bedrag van het salaris;
- `salary_currency` - de valuta van het salaris;
- `salary_in_usd` - het bedrag van het salaris in USD;
- `company_location` - de locatie van het bedrijf;
- `company_size` - de grootte van het bedrijf: S-Klein, M-Middelgroot, L-Groot.

Nu volgt een overzicht van datatypes in de statistiek, gevolgd door een activiteit om elke kolomnaam te koppelen aan het bijbehorende datatype.

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.

Het Dataset Onderzoeken

Awesome!

Het Dataset Onderzoeken