Data Analytics

probability in R

Ciclo Data Science -> Objetivo - Coleta de Dados - Análise Exploratória - Apresentação de dados.


Quantitativas (nominais ou categóricas)
     Frequencia absoluta
     Frequencia relativa %
Qualitativas (descritivas)
    Discretas
    Contínua
          
** Probabilidade pode ser atribuída usando intuição ou seguindo as regras:

Distribuições (regras) de probabilidade:

Distribuições Discretas
  - binomial - problemas de classificação (score, etc)
            dbinom(x=1, size=5, prob=0.2)
  - poisson - cálculo de probabilidade em determinado espaço de tempo
      dpois(x=1, lambda=5)

Distribuições Continuas
    - exponencial - chance do acontecimento antes do intervalo de tempo (foco é o intervalo, não o acontecimento)
    - normal - mais utilizada - formato de sino
        valor tende a se concentar no meio
        pnorm(170, mean = 180, sd = 10)
    - t de Student - teste de hipótese
        dt(x = 1, df = 5)
    - qui-quadrado - teste de hipótese
    - F de Snedecor - teste de várias hipóteses
    
  ** Como escolher a distruição para resolver o problema
    
        
* Se a ordem não importa, combinação.
permutations(v = dados, n=5, r=3, repeats.allowed = TRUE) //function of gtools
combn(x=dados, m=3) //function of utils

=> notebooks/python_notebooks_exemplos/distribuicoes_probabilidade.ipynb

Medidas de posição:
(mínimo, máximo, média)
Mediana -> nos dados ordenados, a mediana é o valor correspondente ao valor entre cada metade dos valores, se for mais de um, seria uma média do valor (Ex: Mediana: R$ 5000 | Amostra: 110 | Entende-se que 50% de 110 pessoas (55) recebem R$5000 ou mais de salário, e a outra metade recebe menos de R$5000 )
Moda -> valor mais frequente dentro da amostra
Percentil -> nos dados ordenados, o percentil é o valor correspondente a porcentagem na amostra. (Ex: Percentil: 5% com resultado 100, entende-se que 5% da amostra possui valor menor que 100)

• 0.9
• 0.8
• 0.7
• 0.6
  - 0.5 -> mediana é entre 0.5 e 0.4 (valores do meio), tendo resultado = 0.45, ou seja, 50% da amostra é maior que 0.45, e 50% é menor que 0.45
  - 0.4 - percentil 4% = 0.4 -> Ou seja, 4% da amostra é menor do que 0.4
• 0.3
• 0.2
• 0.1
• 0.0

Quartis -> uso estatístico, que utiliza o percentil para diagnosticar valores em quadrantes: 25%, 50% e 75%.