Análise Estatística Dinâmica e Interativa
Dynamic Stats é uma ferramenta web completa e interativa para análise estatística, desenvolvida com Python e Streamlit. Oferece uma interface moderna e intuitiva para exploração de dados, testes estatísticos robustos e visualizações interativas através do PyGWalker.
- 📊 Análise Exploratória Avançada - Resumos estatísticos, qualidade de dados e correlações
- 🔬 Testes Estatísticos Robustos - t-tests, ANOVA, correlações, testes não-paramétricos
- 📈 Visualizações Interativas - PyGWalker para dashboards dinâmicos
- 🎨 Interface Moderna - Design responsivo com gradientes e componentes estilizados
- 📁 Suporte Multi-formato - CSV, Excel (.xls, .xlsx, .xlsm)
- 💾 Exportação de Dados - Download dos dados processados
- 📱 Responsivo - Funciona em desktop e dispositivos móveis
- Backend: Python 3.8+
- Framework Web: Streamlit
- Análise de Dados: Pandas, NumPy
- Estatística: SciPy, StatsModels
- Visualização: Matplotlib, Seaborn, PyGWalker
- Interface: CSS personalizado com gradientes
- Python 3.8 ou superior
- pip ou conda
-
Clone o repositório
git clone https://github.com/seu-usuario/dynamic-stats.git cd dynamic-stats -
Instale as dependências
pip install -r requirements.txt
Ou usando conda:
conda install --file requirements.txt
-
Execute a aplicação
streamlit run app.py
-
Acesse no navegador
http://localhost:8501
- Dataset de Exemplo: Ative o toggle para usar dados de demonstração
- Upload de Arquivo: Envie arquivos CSV ou Excel (até 200MB)
- Formatos Suportados: .csv, .xls, .xlsx, .xlsm
- Visão Geral: Estatísticas descritivas e qualidade dos dados
- Correlações: Heatmap de correlação para variáveis numéricas
- Valores Ausentes: Análise de dados faltantes por coluna
- Exportação: Download dos dados processados
- PyGWalker: Interface drag-and-drop para visualizações
- Gráficos Dinâmicos: Crie dashboards interativos
- Análises Personalizadas: Explore seus dados de forma intuitiva
- Correlações: Pearson e Spearman
- Testes de Diferenças: t-tests, Mann-Whitney, Wilcoxon
- ANOVA: One-way ANOVA com pós-hoc Tukey
- Testes Não-paramétricos: Kruskal-Wallis, Qui-quadrado
| Teste | Descrição | Variáveis |
|---|---|---|
| Correlação Pearson | Correlação linear entre duas variáveis numéricas | 2 numéricas |
| Correlação Spearman | Correlação de postos entre duas variáveis | 2 numéricas |
| t-test Independente | Comparação de médias entre dois grupos | 1 numérica + 1 categórica (2 níveis) |
| t-test Pareado | Comparação de médias em medidas repetidas | 2 numéricas |
| Mann-Whitney U | Teste não-paramétrico para dois grupos | 1 numérica + 1 categórica (2 níveis) |
| Wilcoxon Pareado | Teste não-paramétrico para medidas repetidas | 2 numéricas |
| ANOVA One-way | Comparação de médias entre múltiplos grupos | 1 numérica + 1 categórica (≥2 níveis) |
| Kruskal-Wallis | ANOVA não-paramétrica | 1 numérica + 1 categórica (≥2 níveis) |
| Qui-quadrado | Teste de independência entre variáveis categóricas | 2 categóricas |
Dynamic_Stats/
├── app.py # Aplicação principal
├── requirements.txt # Dependências Python
├── README.md # Este arquivo
└── .gitignore # Arquivos a serem ignorados pelo Git
# Para personalizar a aplicação
export STREAMLIT_SERVER_PORT=8501
export STREAMLIT_SERVER_ADDRESS=0.0.0.0O CSS personalizado pode ser modificado no arquivo app.py na seção de estilos.
- Cache de Dados: Otimização de performance com
@st.cache_data - Validação de Dados: Detecção automática de tipos e formatos
- Testes de Pressupostos: Verificação de normalidade e homogeneidade
- Tamanho do Efeito: Cálculo de Cohen's d e outras métricas
- Pós-hoc Automático: Teste de Tukey para ANOVA significativa
- Faça um fork do projeto
- Crie uma branch para sua feature (
git checkout -b feature/AmazingFeature) - Commit suas mudanças (
git commit -m 'Add some AmazingFeature') - Push para a branch (
git push origin feature/AmazingFeature) - Abra um Pull Request
Este projeto é de distribuição gratuita para uso pessoal ATENÇÃO: Este aplicativo não é aprovado para analise estatística. Confira sempre os resultados Se usar o WebApp você aceita os termos acima.
Dr Fernando Freua
- 🎓 Neurologista entusiasta em programação
- 🐍 Acha que entende um pouco de Python e análise de dados, mas entende pouco!
- 📊 Quer saber estatística! mas tá difícil!
- 🚀 Criador do Dynamic Stats (com ajuda do GPT 5!)
- Streamlit - Framework web incrível - uso muito!
- PyGWalker - Visualizações interativas poderosas
- Comunidade Python - Bibliotecas e ferramentas de qualidade
- Contribuidores - Todos que ajudaram ou ajudarão a melhorar o projeto
- Email: fernando.freua@hc.fm.usp.br
- v2.0 - Interface redesenhada, novos testes estatísticos
- v1.0 - Versão inicial com funcionalidades básicas
⭐ Se este projeto te ajudou, considere dar uma estrela! ⭐
Made with ❤️ by Dr Fernando Freua