Klasifikace datových typů

Ve videu ses seznámil/a se dvěma hlavními typy dat: numerickými a kategorickými. Numerické proměnné lze rozdělit na diskrétní nebo spojité a kategorické proměnné na nominální nebo ordinální. Tyto vlastnosti proměnné určují, které metody sumarizace dat budou nejlepší volbou.

Toto cvičení je součástí kurzu

Úvod do statistiky v Pythonu

Interaktivní praktické cvičení

Proměňte teorii v praxi s jedním z našich interaktivních cvičení

Začít cvičení

Toto cvičení je součástí kurzu

Úvod do statistiky v Pythonu

SkillTag.level.intermediateSkillTag.label

4.8+

Začněte kurz zdarma

Souhrnná statistika ti dává nástroje, pomocí nichž dokážeš z obrovských datových sad vytáhnout to podstatné. V této kapitole prozkoumáš souhrnné statistiky jako průměr, medián a směrodatnou odchylku a naučíš se je správně interpretovat. Zároveň si procvičíš kritické myšlení, které ti pomůže vybrat pro svá data ty nejvhodnější souhrnné statistiky.

Exercise 1: Co je to statistika?Exercise 2: Deskriptivní a inferenční statistika Exercise 3: Klasifikace datových typů

Aktuální cvičení

Exercise 4: Míry střední hodnoty Exercise 5: Výpočet průměru a mediánu Exercise 6: Průměr, medián a tvar rozdělení Exercise 7: Míry variability Exercise 8: Rozptyl a směrodatná odchylka Exercise 9: Kvartily, kvantily a kvintily Exercise 10: Hledání odlehlých hodnot pomocí IQR

V této kapitole se naučíš generovat náhodné vzorky a měřit náhodu pomocí pravděpodobnosti. Budeš pracovat s reálnými prodejními daty a počítat pravděpodobnost úspěchu obchodního zástupce. Na závěr použiješ binomické rozdělení k modelování událostí s binárními výsledky.

Exercise 1: Jaká je pravděpodobnost?Exercise 2: S vracením, nebo bez vracení?Exercise 3: Výpočet pravděpodobností Exercise 4: Vzorkování obchodů Exercise 5: Diskrétní rozdělení Exercise 6: Vytvoření rozdělení pravděpodobnosti Exercise 7: Rozpoznávání rozdělení Exercise 8: Očekávaná hodnota vs. průměr vzorku Exercise 9: Spojitá rozdělení Exercise 10: Jaké rozdělení?Exercise 11: Zálohy dat Exercise 12: Simulace čekacích dob Exercise 13: Binomické rozdělení Exercise 14: Simulace obchodních případů Exercise 15: Výpočet binomických pravděpodobností Exercise 16: Kolik prodejů bude uzavřeno?

Je čas prozkoumat jedno z nejdůležitějších pravděpodobnostních rozdělení ve statistice — normální rozdělení. Vytvoříš histogramy pro zobrazení normálních rozdělení, pochopíš centrální limitní větu a rozšíříš své znalosti statistických funkcí o Poissonovo, exponenciální a t-rozdělení.

Exercise 1: Normální rozdělení Exercise 2: Rozdělení Amirových prodejů Exercise 3: Pravděpodobnosti z normálního rozdělení Exercise 4: Simulace prodejů za nových tržních podmínek Exercise 5: Který trh je lepší?Exercise 6: Centrální limitní věta Exercise 7: Vizualizace výběrových rozdělení Exercise 8: CLT v praxi Exercise 9: Průměr průměrů Exercise 10: Poissonovo rozdělení Exercise 11: Určení lambdy Exercise 12: Sledování odpovědí na leady Exercise 13: Další rozdělení pravděpodobnosti Exercise 14: Přiřazování rozdělení Exercise 15: Modelování času mezi kontakty Exercise 16: t-rozdělení

V této kapitole se naučíš kvantifikovat sílu lineárního vztahu mezi dvěma proměnnými a zjistíš, jak matoucí proměnné mohou ovlivnit vztah mezi dalšími dvěma proměnnými. Uvidíš také, jak návrh studie může ovlivnit její výsledky, změnit způsob analýzy dat a případně i spolehlivost závěrů.

Exercise 1: Korelace Exercise 2: Odhadni korelaci Exercise 3: Vztahy mezi proměnnými Exercise 4: Nástrahy korelace Exercise 5: Co korelace nedokáže měřit?Exercise 6: Transformace proměnných Exercise 7: Zlepšuje cukr štěstí?Exercise 8: Matoucí proměnné Exercise 9: Design of experiments Exercise 10: Typy studií Exercise 11: Longitudinální vs. průřezové studie Exercise 12: Gratulujeme!