Estatística inferencial
Testes de hipótese, intervalos de confiança, p-value, t-test, qui-quadrado, ANOVA, regressão linear
1O que é a hipótese nula (H₀) em um teste de hipótese?
O que é a hipótese nula (H₀) em um teste de hipótese?
Resposta
A hipótese nula (H₀) é a afirmação padrão que assume a ausência de efeito ou diferença significativa. É a hipótese que buscamos rejeitar ou não rejeitar com base nos dados coletados. Por exemplo, H₀ pode afirmar que um novo tratamento não tem efeito em comparação ao placebo. O teste estatístico avalia se os dados fornecem evidências suficientes para rejeitar esta hipótese em favor da hipótese alternativa (H₁).
2O que o p-value representa em um teste estatístico?
O que o p-value representa em um teste estatístico?
Resposta
O p-value é a probabilidade de obter um resultado pelo menos tão extremo quanto o observado, assumindo que a hipótese nula é verdadeira. Um p-value baixo (tipicamente < 0.05) indica que os dados observados são improváveis sob H₀, levando à sua rejeição. Nota: o p-value não é a probabilidade de H₀ ser verdadeira, nem a probabilidade de os resultados serem devidos ao acaso.
3O que é um erro do tipo I em estatística inferencial?
O que é um erro do tipo I em estatística inferencial?
Resposta
Um erro do tipo I (falso positivo) ocorre quando rejeitamos a hipótese nula quando ela é na verdade verdadeira. O nível de significância α (frequentemente 0.05) representa a probabilidade máxima aceitável de cometer este erro. Por exemplo, concluir que um medicamento é eficaz quando não é constitui um erro do tipo I. Este erro é controlado pela escolha do nível de significância.
O que é um erro do tipo II em estatística inferencial?
O que representa um intervalo de confiança de 95%?
+21 perguntas de entrevista
Outros temas de entrevista Data Science & ML
Fundamentos de Python
Programação Orientada a Objetos em Python
Estruturas de dados em Python
Fundamentos do Git
Fundamentos de SQL
Fundamentos de NumPy
Fundamentos de Pandas
Jupyter & Google Colab
SQL Joins e consultas avançadas
Pandas avançado
Visualização com Matplotlib & Seaborn
Visualizações interativas com Plotly
Estatística descritiva
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Supervisionado: Regressão
ML Supervisionado: Classificação
Árvores de Decisão e Ensembles
ML Não Supervisionado
Pipelines ML e Validação
Séries Temporais e Previsão
Fundamentos de Deep Learning
TensorFlow & Keras
CNN e classificação de imagens
RNN e Sequências
Transformers e Attention
NLP e Hugging Face
GenAI e LangChain
MLOps e Implantação
Domine Data Science & ML para sua proxima entrevista
Acesse todas as perguntas, flashcards, testes tecnicos, exercicios de code review e simuladores de entrevista.
Comece gratis