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

Denna kurs ger dig grundläggande kunskaper i statistik. Den är avsedd för studenter med grundläggande kunskaper i Python-syntax eftersom de kommer att arbeta med NumPy- och pandas-modulerna. Under kursens gång kommer du att bekanta dig med grundläggande begrepp och därefter gradvis gå vidare till mer komplexa begrepp och uppgifter.

Detta avsnitt hjälper oss att hantera det första verkliga statistiska fallet: att hitta konfidensintervall. Det kräver kunskap om NumPy, pandas, Matplotlib och Seaborn-biblioteket för att beräkna matematiska formler och skapa visualiseringar. För att motivera dig att genomföra detta avsnitt vill jag påpeka att du kommer att stöta på en liten mängd teori men en betydande mängd praktik!

En oupplöslig del av en dataanalytikers vardag är att genomföra hypotesprövning. Efter att ha slutfört detta avsnitt kommer du att förstå idén bakom testning inom statistik och kunna genomföra ett t-test med Python.

Utforska Datamängden

Lösning

Awesome!

Awesome!

Utforska Datamängden

Lösning

Awesome!