Summary  
This chapter covers how to print the first rows of a tabular dataset and match each column to its statistical data type.

General domain of usage  
IT professionals’ salary analysis

У цьому розділі буде проаналізовано вибірку заробітних плат IT-спеціалістів. Почніть з ознайомлення з першими п’ятьма спостереженнями у наборі даних:

- `work_year` - рік, у якому була виплачена заробітна плата;
- `experience_level` - рівень досвіду: EN — початковий рівень, MI — середній рівень, SE — старший рівень, EX — керівний рівень;
- `job_title` - назва посади;
- `salary` - розмір заробітної плати;
- `salary_currency` - валюта заробітної плати;
- `salary_in_usd` - розмір заробітної плати в USD;
- `company_location` - місцезнаходження компанії;
- `company_size` - розмір компанії: S — мала, M — середня, L — велика.

Далі розглядаються типи даних у статистиці, після чого пропонується завдання зіставити кожну назву стовпця з відповідним типом даних.

Побудова міцної основи в статистиці за допомогою Python. Вивчення основних статистичних концепцій і їх застосування через NumPy та pandas. Перехід від базових мір, таких як середнє та дисперсія, до перевірки гіпотез, довірчих інтервалів і отримання висновків на основі даних із практичними завданнями.

Ознайомтеся з основними статистичними принципами, включаючи типи даних, міри центральної тенденції та ключові відмінності між вибірками і генеральними сукупностями.

Навчіться обчислювати та інтерпретувати середнє, медіану та моду за допомогою Python. Практикуйте ці операції з використанням pandas для аналізу реальних наборів даних.

Зрозумійте, як дисперсія та стандартне відхилення вимірюють розподіл даних. Дізнайтеся, як обчислювати ці показники вручну та за допомогою інструментів Python.

Дослідження того, як коваріація та кореляція описують взаємозв'язки між змінними. Практичні вправи з обчислення та порівняння обох показників у Python.

Оволодіння інтервальними оцінками для оцінки параметрів генеральної сукупності. Використання NumPy, pandas та бібліотек для візуалізації для обчислення та інтерпретації інтервалів на основі реальних даних.

Вивчення основ перевірки гіпотез і t-тесту. Розуміння принципів розробки, проведення та інтерпретації тестів за допомогою Python для підтримки прийняття рішень на основі даних.

Дослідження Набору Даних