Análise Estatística Aplicada

Este repositório documenta a resolução do Exercício 5: Estatística - Teste de Hipóteses proposto no bootcamp de Análise de Dados da WoMakersCode. O objetivo é demonstrar a aplicação prática de diversas técnicas estatísticas para analisar dados e extrair insights.

🛠️ Ferramentas Utilizadas

• Python
• Pandas
• Jupyter Notebook
• Matplotlib & Seaborn
• SciPy
• Statsmodels

---

Seção 1: Análise de Teste A/B (experimento_test_ab.csv)

Análise realizada para avaliar a performance de diferentes cenários de um experimento.

• Análise de Conversão: Identificação do cenário com a maior taxa de conversão.
• Cálculo de Tamanho de Amostra: Determinação do tamanho de amostra necessário para um novo Teste A/B, seguindo os critérios abaixo:
  • Cenário A como base de comparação.
  • Nível de confiança de 95% (significância de 5%).
  • Poder estatístico de 80% para capturar o efeito.
  • Objetivo de detectar um aumento para 10% na conversão.

---

Seção 2: Testes de Hipóteses e Estatística Inferencial (pacientes.csv)

Análises realizadas sobre uma base de dados fictícia de um hospital com pacientes cardíacos. A base foi considerada como a população para os testes.

Técnicas e Testes Aplicados:

• Teste-T para Uma Amostra:
  • Pergunta: A idade média das pessoas com problemas cardíacos é maior que 50 anos?
  • Critérios: Utilizada uma amostra de 45 pacientes e um nível de significância de 5%.
• Classificação de Amostras:
  • Pergunta: Ao dividir os pacientes entre os que têm e os que não têm condições de saúde adicionais, as amostras são dependentes ou independentes?
• Teste-T para Amostras Independentes:
  • Pergunta: A pressão arterial média para pacientes com condições de saúde adicionais é igual à de pacientes sem condições adicionais?
  • Critérios: Utilizada uma amostra aleatória e um nível de significância de 6%.
• ANOVA (Análise de Variância):
  • Pergunta: Existe uma diferença significativa na pressão arterial média entre diferentes grupos étnicos?
  • Hipóteses: $H_0$: A pressão arterial média é a mesma em todos os grupos étnicos. $H_1$: A média é diferente em pelo menos dois grupos.
  • Critérios: Nível de significância de 5%.
• Teste Qui-Quadrado de Associação:
  • Pergunta: Existe uma relação entre o sexo do paciente e a presença de condições de saúde adicionais?
• Teste de Correlação/Independência:
  • Pergunta: Existe uma associação entre a idade dos pacientes e sua pressão arterial?
  • Hipóteses: $H_0$: A pressão arterial é independente da idade. $H_1$: A pressão arterial está associada à idade.
• Cálculo de Intervalo de Confiança:
  • Pergunta: Qual é o intervalo de confiança para a média da pressão arterial entre os pacientes com condições de saúde adicionais?
  • Critérios: Nível de confiança de 95%.
• Teste de Normalidade (Shapiro-Wilk):
  • Pergunta: A distribuição da pressão arterial na população segue uma distribuição normal?
  • Hipóteses: $H_0$: A distribuição segue uma normal. $H_1$: A distribuição não segue uma normal.

---

📊 Principais Resultados e Insights

A análise detalhada, presente no notebook, revelou diversos insights importantes sobre os dados dos pacientes:

Perfil Etário dos Pacientes: A análise confirmou com 95% de confiança que a idade média dos pacientes cardíacos na amostra é significativamente superior a 50 anos (p < 0.05), reforçando o perfil de risco associado a idades mais avançadas.

Impacto de Condições Adicionais: Foi encontrada uma diferença estatisticamente significativa na pressão arterial média entre os pacientes que possuem condições de saúde adicionais e os que não possuem (p < 0.06), sugerindo que comorbidades influenciam diretamente nos níveis de pressão.

Fator Etnia vs. Pressão Arterial: O teste ANOVA não encontrou uma diferença estatisticamente significativa na pressão arterial média entre os diferentes grupos étnicos analisados (p > 0.05), indicando que, para esta população, a etnia não foi um fator determinante.

Correlação Idade vs. Pressão Arterial: Surpreendentemente, não foi encontrada uma correlação linear significativa entre a idade dos pacientes e sua pressão arterial nesta amostra (p > 0.05), o que sugere que outros fatores podem ter uma influência maior.

Para ver a análise completa, os valores exatos e os cálculos que suportam estas conclusões, por favor, consulte o notebook do projeto.

🚀 Como Executar o Projeto

1. Clone este repositório.
2. Crie um ambiente virtual e instale as dependências:

   pip install -r requirements.txt

3. Navegue até o notebook principal e execute as células.