Este repositório reúne meus estudos de estatística aplicada em Python, baseado no livro Think Stats: Probability and Statistics for Programmers (2ª edição), de Allen B. Downey. O objetivo é consolidar conceitos de probabilidade e estatística em notebooks bem documentados com exemplos práticos e visualizações.
notebooks/→ notebooks Jupyter com explicações, código e gráficos.scripts/→ arquivos.pypara execução rápida dos exemplos.images/→ gráficos e a capa do livro.data/→ datasets usados (quando necessário).requirements.txt→ dependências para recriar o ambiente.
-
01 - Introdução & EDA
Estatísticas descritivas e histograma de dados de idade.
-
02 - Centralidade & Dispersão
Média, mediana, moda, variância, desvio-padrão e boxplot.
-
03 - PMF, CDF e PDF
Funções de distribuição de variáveis discretas (dado), acumuladas (CDF) e contínuas (normal).
- Desenvolver uma base sólida em estatística aplicada com Python.
- Construir um portfólio prático e incremental, especialmente voltado para finanças e Data Science.
- Registrar todo o processo de aprendizagem de forma organizada e visualmente clara.
Estudos baseados em Think Stats: Probability and Statistics for Programmers (2ª edição)
✍️ Allen B. Downey
✍️ Autor: Miguel Reis
🎯 Foco: desenvolvimento contínuo em Estatística e Data Science aplicada.