Analisando testes de hipóteses com Python: Renda no Rio de Janeiro e São Paulo

Publicado em: 26/12/2024

Como referenciar este texto: Analisando testes de hipóteses com Python: Renda no Rio de Janeiro e São Paulo’. Rodrigo Terra. Publicado em: 26/12/2024. Link da postagem: https://www.makerzine.com.br/dados/analisando-testes-de-hipoteses-com-python-renda-no-rio-de-janeiro-e-sao-paulo/.

Conteúdos que você verá nesta postagem

Testes de hipóteses são ferramentas estatísticas fundamentais para tomar decisões baseadas em dados. Este projeto demonstrou a aplicação prática de testes utilizando Python, analisando a diferença de renda entre dois estados brasileiros: Rio de Janeiro e São Paulo.

Processo de Desenvolvimento

O notebook foi desenvolvido com uma abordagem didática e estruturada em etapas claras:

  • Formulação das Hipóteses:
    • Hipótese Nula (H0): A renda média no Rio de Janeiro é igual à renda média em São Paulo.
    • Hipótese Alternativa (H1): A renda média no Rio de Janeiro é menor que a de São Paulo.

 

  • Preparação dos Dados:
    • Dados foram organizados em estruturas compatíveis com bibliotecas estatísticas para facilitar a análise.

 

  • Definição de Parâmetros:
    • Nível de significância (α): 0,05, equivalente a 95% de confiança.

 

  • Cálculo Estatístico:
    • Estatística : -2,255.
    • Valor-p: 0,012.

 

  • Decisão Estatística:
    • Comparando o p-value com o nível de significância, p ≤ α a hipótese nula foi rejeitada.

 

  • Conclusão:
    • A análise revelou que, com 95% de confiança, a renda média no estado do Rio de Janeiro é MENOR que a de São Paulo.

Ferramentas Utilizadas

  • Linguagem Python: Ideal para análises estatísticas.
  • Bibliotecas:
    • statsmodels para cálculos estatísticos.
    • pandas para manipulação de dados.

Para ver e/ou baixar o conteúdo deste projeto, basta clicar aqui.

Se você acha que este conteúdo pode ser útil para alguém, compartilhe!

Ao divulgar os textos do MakerZine, você contribui para que todo o material continue acessível e gratuito para todas as pessoas.