Sumários
Aula 4 TP9
20 Setembro 2024, 10:30 • Joana Amaral Paulo
Revisão da aula 2 (Estat descritiva em Python). Download e Importação de packages relevantes para a Estat Descritiva. Criação e leitura de ficheiros de dados csv ou txt (pd.read_csv()). os.getcwd() - Current directoy. Print (). Calculo de frequencias e de tabelças de frequencias (pd.DataFrame). Gráficos de barras (plt.bar e formatações básicas). Construção de BoxPlot (plt.boxplot(nematodes_df) e plt.show()). Calculo de estatisticas de localização e dispersão (print (ovelhas_df.describe()))
Aula Prática 4 (TP02)
20 Setembro 2024, 08:30 • Luís António da Silva Borda de Água
Estatística descritiva a duas dimensões: exerc. 1.30 (tempos de gestação). Resolução “manual” do exercício e com o Python: Representação dos dados num gráfico, cálculo das médias, variâncias e covariâncias usando o pacote “statistics”. Regressão linear usando o pacote “scipy”. Leitura de dados a partir de um ficheiro.
Aula Prática 4 (TP0810)
20 Setembro 2024, 08:30 • Luís António da Silva Borda de Água
Estatística descritiva a duas dimensões: exerc. 1.30 (tempos de gestação). Resolução “manual” do exercício e com o Python: Representação dos dados num gráfico, cálculo das médias, variâncias e covariâncias usando o pacote “statistics”. Regressão linear usando o pacote “scipy”. Leitura de dados a partir de um ficheiro.
Aula 4 TP4
19 Setembro 2024, 14:30 • Joana Amaral Paulo
Revisão da aula 2 (Estat descritiva em Python). Download e Importação de packages relevantes para a Estat Descritiva. Criação e leitura de ficheiros de dados csv ou txt (pd.read_csv()). os.getcwd() - Current directoy. Print (). Calculo de frequencias e de tabelças de frequencias (pd.DataFrame). Gráficos de barras (plt.bar e formatações básicas).
Aula nº 4 (Turma 5)
19 Setembro 2024, 11:00 • Mariana da Silva Gomes Mota
Estatística
descritiva a uma dimensão: agrupamento
em classes para dados de natureza discreta com muitos valores distintos e para
dados de natureza contínua, tabela de frequências dos dados agrupados em
classes, Regra de Sturges, histograma de classes de amplitude constante (cálculo
com software Python). Introdução ao
software Python: instalação de packages, elaboração do script.
Exerc. 1.2 b)
(laranjas) e c) (ovelhas), exerc. 1.10
l0 = [0]*11
l1 = [4.7, 0.6, 17.2, 1.4, 11.2, 1, 3.8, 0.3,
0.5, 7, 3.3, 7.6, 0.9, 0.3, 18.2, 4, 4.6, 22, 15.6, 3.4]
pp = l0+l1
pp.sort()
print(pp)
num_sturges = round(1 + np.log2(len(pp)))
print(num_sturges)
amplitude_classe
= (max(pp) - min(pp)) / num_sturges
print(amplitude_classe)
hist_pp = plt.hist(pp,
bins=[0,4,8,12,16,20,24],
edgecolor='black')
plt.title("Histograma pp")
plt.xlabel("pp
ocorrida")
plt.ylabel("Frequência
absoluta")
plt.show()
ni =
hist_pp[0]
fi = ni /
sum(ni)
Ni =
np.cumsum(ni)
Fi = Ni /
sum(ni)
nclass = len(ni)
classes = hist_pp[1]
esq = ["]" + str(classes[i]) +
"," for i in range(nclass)]
dir = [str(classes[i+1]) + "]" for i
in range(nclass)]
tabela_frequencias
= pd.DataFrame({'esq':esq, 'dir':dir,'ni': ni,
'fi': fi, 'Fi': Fi, 'Ni': Ni})
print(tabela_frequencias)
pp_df = pd.DataFrame(pp)
pp_df.boxplot()
plt.show()