accardoso /
minicurso_classificadores
Este repositório contém os Jupyter Notebooks que utilizei para ministrar e como material de consulta para os participantes do Minicurso Construindo Classificadores.
28/100 healthLoading repository data…
LeticiaPaesano / repository
Este notebook é parte das atividades práticas do curso "Estatística com Python: Resumindo e Analisando Dados" da Alura, ministrado pela instrutora Danielle Oliveira.
A transparent discovery signal based on current public GitHub metadata.
This score does not audit code, security, maintainers, documentation quality, or suitability. Verify the repository and its current documentation before adoption.
Este repositório apresenta uma análise descritiva e exploratória de um subconjunto da Pesquisa Nacional por Amostra de Domicílios (PNAD) – 2015, conduzida pelo IBGE. O objetivo é aplicar técnicas estatísticas e ferramentas de análise de dados para compreender aspectos sociodemográficos da população brasileira, especialmente das Pessoas de Referência dos domicílios.
A análise foi realizada com Python e bibliotecas como pandas, seaborn e matplotlib, scipy.stats(binom/norm)seguindo os princípios de clareza, organização e fundamentação estatística.
A base utilizada contém informações apenas das Pessoas de Referência dos domicílios.
| Coluna | Descrição |
|---|---|
| UF | Unidade Federativa |
| Sexo | Masculino / Feminino |
| Idade | Em anos completos |
| Cor | Cor ou raça declarada (5 categorias do IBGE) |
| Anos.de.Estudo | Total de anos de escolaridade |
| Renda | Renda mensal principal (em reais) |
| Altura | Variável didática criada para análise de distribuição (em metros) |
Renda inválida ou ausente;Selected from shared topics, language and repository description—not editorial ratings.
accardoso /
Este repositório contém os Jupyter Notebooks que utilizei para ministrar e como material de consulta para os participantes do Minicurso Construindo Classificadores.
28/100 healthgcaccaos /
Este é o meu trabalho para o projeto 4 da disciplina de Métodos Computacionais em Física do IF-USP no primeiro semestre de 2018. O projeto consiste em simular o modelo de Ising para a magnetização de um material bidimensional com condições periódicas de contorno através do método de Monte Carlo. Este repositório contém os arquivos de código para a simulação, que são notebooks em Python 3 para o Jupyter (estou utilizando principalmente o JupyterLab), e os arquivos para o relatório em LaTeX (escritos através do Texmaker).
16/100 healthAltura (valores simulados);São Paulo e Minas Gerais apresentam o maior volume, enquanto Amapá, Roraima e Alagoas registram as menores quantidades. Este padrão reflete uma concentração de registros nas regiões Sudeste e Sul, diminuindo nas demais, o que sugere uma correlação com a distribuição populacional.
| Sexo | Amarela | Branca | Indígena | Parda | Preta |
|---|---|---|---|---|---|
| Feminino | 117 | 9621 | 101 | 10862 | 2889 |
| Masculino | 235 | 22194 | 256 | 25063 | 5502 |
| Sexo | Amarela | Branca | Indígena | Parda | Preta |
|---|---|---|---|---|---|
| Feminino | 0.50 | 40.78 | 0.43 | 46.04 | 12.25 |
| Masculino | 0.44 | 41.68 | 0.48 | 47.07 | 10.33 |
A amostra indica predominância das etnias Parda e Branca nos domicílios. Há um desequilíbrio de gênero, com acentuada maioria masculina em todas as categorias raciais.
| Sexo | Amarela | Branca | Indígena | Parda | Preta |
|---|---|---|---|---|---|
| Feminino | 3027.34 | 2109.87 | 2464.39 | 1176.76 | 1134.60 |
| Masculino | 4758.25 | 2925.74 | 1081.71 | 1659.58 | 1603.86 |
A análise da renda média revela que, majoritariamente, homens percebem valores superiores às mulheres, exceto na categoria Indígena, onde o inverso ocorre. Em termos raciais, indivíduos da etnia Amarela possuem as maiores rendas médias, enquanto Parda e Preta apresentam as menores, destacando marcantes disparidades de gênero e raça.
| Medida | Valor |
|---|---|
| Média | 2000.38 |
| Mediana | 1200.00 |
| Moda | 788,00 |
A grande diferença entre a média, mediana e moda indica uma distribuição de renda assimétrica e concentrada. A média elevada, puxada por outliers de alta renda, mascara que a maioria dos indivíduos possui rendimentos significativamente menores, evidenciando forte concentração de renda nas mãos de poucos.
Distrito Federal possui a maior média de renda, com uma diferença expressiva. Os demais estados no topo são do Sudeste e Sul, indicando uma acentuada desigualdade regional e concentração econômica nessas áreas do país.
A distribuição da Altura é quase simétrica e mesocúrtica (com curtose similar à de uma distribuição normal), similar a uma curva normal. Já a da Idade apresenta leve assimetria positiva e tendência platicúrtica, com a maior concentração etária entre os 30 e 60 anos.
A distribuição de renda mostra alta concentração de baixa renda (0 - R$5.000) e uma cauda longa com poucos indivíduos nas faixas mais altas, evidenciando grande desigualdade.
O boxplot da renda mostra uma distribuição altamente assimétrica: a mediana (R$ 1.200) e a maioria (50% central) concentram-se em baixa renda. A presença de numerosos outliers de alta renda, estendendo-se muito além do corpo principal dos dados, evidencia uma desigualdade estrutural e profunda concentração de renda.
Os dados revelam que as etnias Parda e Preta são as mais vulneráveis economicamente, com destaque para as mulheres desses grupos. Os homens indígenas também apresentam significativa vulnerabilidade de renda.
O gráfico mostra que 20% da população tem até 33 anos, indicando uma amostra com perfil demográfico mais maduro e relativamente pouca população jovem, com implicações para planejamento e análises futuras.
| Medida de Dispersão | Valor |
|---|---|
| Desvio Médio Absoluto | 1526.50 |
| Variância | 11044906.01 |
| Desvio Padrão | 3323.39 |
As altas medidas de dispersão, notadamente o Desvio Padrão (R$ 3323,39) ser maior que a média, confirmam a extrema variabilidade e forte assimetria na distribuição da renda, evidenciando a acentuada desigualdade e a influência de outliers de alta renda.
| Anos de Estudo | Média | Mediana | Desvio Padrão |
|---|---|---|---|
| Sem instrução e menos de um ano | 732.99 | 600.0 | 955.27 |
| 1 ano | 806.52 | 700.0 | 1203.87 |
| 2 anos | 842.56 | 788.0 | 1298.87 |
| 3 anos | 980.04 | 788.0 | 1907.14 |
| 4 anos | 1150.44 | 900.0 | 1293.14 |
| 5 anos | 1183.58 | 940.0 | 1328.71 |
| 6 anos | 1284.08 | 1000.0 | 1326.14 |
| 7 anos | 1289.17 | 1000.0 | 1279.41 |
| 8 anos | 1437.74 | 1100.0 | 1404.28 |
| 9 anos | 1315.69 | 1000.0 | 1888.37 |
| 10 anos | 1495.90 | 1100.0 | 1817.68 |
| 11 anos | 1841.67 | 1350.0 | 2457.20 |
| 12 anos | 2185.77 | 1500.0 | 3452.73 |
| 13 anos | 2758.77 | 2000.0 | 2638.84 |
| 14 anos | 3099.84 | 2100.0 | 3413.36 |
| 15 anos ou mais | 5242.44 | 3500.0 | 6450.49 |
| Não determinados | 1071.72 | 900.0 | 825.58 |
| Sexo | Média | Mediana | Desvio Padrão |
|---|---|---|---|
| Feminino | 1460.14 | 900.0 | 1763.69 |
| Masculino | 1964.35 | 1300.0 | 2101.16 |
Os dados explicitam que mulheres possuem renda média e mediana consistentemente inferiores às dos homens. A menor dispersão entre as rendas femininas pode, de fato, indicar menor variabilidade salarial ou acesso mais restrito a posições de alta remuneração. Esta diferença é um indicador claro da persistência da desigualdade salarial de gênero, mesmo considerando faixas de renda intermediárias.
A análise das rendas na Região Centro-Oeste revela persistente desigualdade salarial de gênero, com mulheres ganhando menos que homens em todos os estados. Há também grande disparidade entre estados, com o Distrito Federal exibindo rendas significativamente superiores aos demais estados da região.
A Distribuição Binomial foi utilizada para calcular a probabilidade de que, em um grupo de 10 pessoas sorteadas aleatoriamente, exatamente 7 sejam homens e 3 sejam mulheres.
A fórmula empregada é:
$$P(X=k) = \binom{n}{k} \cdot p^k \cdot (1-p)^{n-k}$$
Onde:
Com $n=10$, $k=7$ e $p=0.70$ (70% de chefes de domicílio sendo homens), o cálculo resultou em **
krissiazawadzki /
Este diretório conta com algumas jupyter notebooks e códigos python para servirem de apoio nas aulas de laboratório.
lvgalvao /
Um guia prático sobre como transformar seus notebooks Jupyter em aplicativos web interativos usando Streamlit. Destinado a cientistas de dados e entusiastas de Python, este repositório oferece um passo a passo para levar suas análises e visualizações para a web
29/100 healthotavioaugust1 /
Este projeto é um script Python, implementado em um Jupyter Notebook, que automatiza o download, tratamento e consolidação de dados de Crédito Financeiro e Modalidade 1 do painel INVESTSUS (do Ministério da Saúde do Brasil).
53/100 healthCarolina-Silva /
Este repositório foi criado como um material introdutório para apoiar o aprendizado e a formação de pessoas que estão começando na área de dados e programação utilizando Python e Jupyter Notebooks.
53/100 health