Summary  
This chapter explains how to implement code that computes the mean, variance, and standard deviation of a data set by accumulating sums of squared deviations and applying the appropriate formulas.

General domain of usage  
Statistical data analysis

import unittest
import pandas as pd

def _dynamic_test(test_case, condition, success_msg, failure_msg):
    if condition:
        test_case._testMethodName = success_msg
        test_case.assertTrue(True, success_msg)
    else:
        test_case._testMethodName = failure_msg
        test_case.fail(failure_msg)

class TestVarianceStd(unittest.TestCase):
    def test_variance_std(self):
        # ÐÐ¼Ð¿Ð¾ÑÑ ÐºÐ¾ÑÐ¸ÑÑÑÐ²Ð°ÑÑÐºÐ¾Ð³Ð¾ ÑÑÑÐµÐ½Ð½Ñ
        import user_code

        # ÐÐ°Ð²Ð°Ð½ÑÐ°Ð¶ÑÑÐ¼Ð¾ ÑÑ ÑÐ°Ð¼Ñ Ð´Ð°Ð½Ñ
        df = pd.read_csv(
            'https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/ds_salaries_statistics',
            index_col=0
        )

        # ÐÐ±ÑÐ¸ÑÐ»ÑÑÐ¼Ð¾ Ð¾ÑÑÐºÑÐ²Ð°Ð½Ñ Ð·Ð½Ð°ÑÐµÐ½Ð½Ñ
        expected_var = df['salary'].var()
        expected_std = df['salary'].std()

        # ÐÐµÑÐµÐ²ÑÑÑÑÐ¼Ð¾ Ð· ÑÐ¾ÑÐ½ÑÑÑÑ Ð´Ð¾ 1e-6
        condition = (
            abs(user_code.var - expected_var) < 1e-6 and
            abs(user_code.std - expected_std) < 1e-6
        )

        _dynamic_test(
            self,
            condition,
            "The variance and standard deviation are calculated correctly.",
            "The variance and/or standard deviation are incorrect. Check your calculations."
        )

if __name__ == "__main__":
    unittest.main()


test_code.py

Construa uma base sólida em estatística utilizando Python. Aprenda conceitos estatísticos essenciais e aplique-os por meio do NumPy e pandas. Progrida desde medidas básicas como média e variância até testes de hipótese, intervalos de confiança e insights orientados por dados com prática prática.

Descubra os princípios estatísticos fundamentais, incluindo tipos de dados, medidas de tendência central e principais diferenças entre amostras e populações.

Aprenda a calcular e interpretar média, mediana e moda utilizando Python. Pratique essas operações com pandas para analisar conjuntos de dados reais.

Compreensão de como a variância e o desvio padrão medem a dispersão dos dados.
Cálculo manual e com ferramentas Python de ambos os conceitos.

Explore como a covariância e a correlação descrevem relações entre variáveis. Pratique o cálculo e a comparação de ambas as métricas em Python.

Domine intervalos de confiança para estimar parâmetros populacionais. Utilize NumPy, pandas e bibliotecas de visualização para calcular e interpretar intervalos com dados reais.

Aprenda os fundamentos dos testes de hipótese e do teste t. Compreenda como planejar, executar e interpretar testes utilizando Python para embasar decisões orientadas por dados.

Calculando Variância e Desvio Padrão

Solução

Awesome!

Calculando Variância e Desvio Padrão

Solução