Estatística descritiva e inferencial

Análise de dados de pesquisa em Python

EbunOluwa Andrew

Data Scientist

Estatística descritiva

Medidas básicas para descrever dados de pesquisa
Exemplos: média, mediana, moda, amplitude, desvio padrão etc.
.describe()

Foto de Lukas - gráfico de perto

¹ Foto de Lukas

Função .describe()

data.describe()

|      | year     | satisfaction_rating
|------|----------|--------------------
| count|       42 |                  42
| mean | 2012.381 |            7192.857
| std  |    4.196 |             945.178
| min  |     2006 |                5500
| 25%  |     2009 |                6325
| 50%  |   2012.5 |                7400
| 75%  |     2016 |                8000
| max  |     2019 |                8600

data.describe(include = np.object)

|        | category    |
|--------|-------------|
| count  | 42          |
| unique | 3           |
| top    | Residential |
| freq   | 14          |

Interpretando .describe()

Outlier = valor máx > média e mediana
Valores improváveis = quando não fazem sentido

|       | year     | satisfaction_rating |
|-------|----------|---------------------|
| count |       42 |                  42 |
| mean  | 2012.381 |            7192.857 |
| std   |    4.196 |             945.178 |
| min   |     2006 |                5500 |
| 25%   |     2009 |                6325 |
| 50%   |   2012.5 |                7400 |
| 75%   |     2016 |                8000 |
| max   |     2019 |                8600 |

Interpretando .describe()

Top = moda = classe mais frequente
Freq = vezes que a classe mais alta ocorreu

|        | category    |
|--------|-------------|
| count  | 42          |
| unique | 3           |
| top    | Residential |
| freq   | 14          |

.describe() em electric_satisfaction

import pandas as pd

electric_satisfaction = pd.read_csv("austin-energy-customer-satisfaction.csv")

.describe() em electric_satisfaction

electric_satisfaction.describe()

|      | year     | satisfaction_rating
|------|----------|--------------------
| count|       42 |                  42
| mean | 2012.381 |            7192.857
| std  |    4.196 |             945.178
| min  |     2006 |                5500
| 25%  |     2009 |                6325
| 50%  |   2012.5 |                7400
| 75%  |     2016 |                8000
| max  |     2019 |                8600

satisfaction_rating tem outliers
50º percentil = mediana

.describe() em electric_satisfaction

|        | category    |
|--------|-------------|
| count  | 42          |
| unique | 3           |
| top    | Residential |
| freq   | 14          |

Moda = respondentes residenciais

Estatística inferencial

Verificar se os dados se aplicam a uma população maior
Tamanho da amostra < população -> erro amostral
Estimar parâmetros populacionais
- Intervalos de confiança
  - Função norm.interval()

Foto de Andrea Piacquadio no Pexels - mulher segurando uma lâmpada

¹ Foto de Andrea Piacquadio no Pexels

A função norm.interval()

Para conjuntos de dados grandes
Assume que a distribuição amostral da média é normal

import scipy.stats
scipy.stats.norm.interval(alpha, loc, scale)

alpha = nível de confiança
loc = média da amostra
scale= erro padrão da amostra

Interpretando norm.interval() em electric_satisfaction

electric_satisfaction = pd.read_csv(
  "austin-energy-customer-satisfaction.csv")

conf_interval = st.norm.interval(
  alpha = 0.99,
  loc = np.mean(electric_satisfaction.satisfaction),
  scale=st.sem(electric_satisfaction.satisfaction))


print(conf_interval)

(6817.187361704269, 7568.526924010017)

Vamos praticar!

Análise de dados de pesquisa em Python