Ausreißer mit IQR finden

Ausreißer können große Auswirkungen auf Statistiken wie den Mittelwert haben, aber auch auf Statistiken, die auf dem Mittelwert basieren, wie Varianz und Standardabweichung. Der Interquartilsbereich (IQR) ist eine weitere Methode zur Messung der Streuung, die weniger von Ausreißern beeinflusst wird. Der IQR wird auch oft verwendet, um Ausreißer zu finden. Wenn ein Wert kleiner ist als \(\text{Q1} - 1.5 \times \text{IQR}\) oder größer als \(\text{Q3} + 1,5 \mal \text{IQR}\), wird er als Ausreißer betrachtet. So werden die Längen der Antennen in einem matplotlib-Box-Plot berechnet.

Diagramm eines Box-Plots mit Median, Quartilen und Ausreißern

In dieser Übung berechnest du den IQR und nutzt ihn, um einige Ausreißer zu finden. pandas als pd und numpy als np sind geladen und food_consumption ist verfügbar.

Diese Übung ist Teil des Kurses

Einführung in die Statistik in Python

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Calculate total co2_emission per country: emissions_by_country
emissions_by_country = ____

print(emissions_by_country)

Code bearbeiten und ausführen

Diese Übung ist Teil des Kurses

Einführung in die Statistik in Python

Mittlere SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

Die deskriptive Statistik gibt dir die Werkzeuge an die Hand, die du brauchst, um große Datensätze auf die wichtigsten Punkte zu reduzieren. In diesem Kapitel lernst du die deskriptive Statistik kennen, einschließlich des Mittelwerts, des Medians und der Standardabweichung, und erfährst, wie man sie richtig interpretiert. Außerdem entwickelst du Fähigkeiten zum kritischen Denken, damit du in der Lage bist, die beste deskriptive Statistik für deine Daten auszuwählen.

Exercise 1: Was ist Statistik?Exercise 2: Deskriptive und Inferenzstatistik Exercise 3: Klassifizierung von Datentypen Exercise 4: Maße der zentralen Tendenz Exercise 5: Mittelwert und Median Exercise 6: Mittelwert vs. Median Exercise 7: Maße der Ausbreitung Exercise 8: Varianz und Standardabweichung Exercise 9: Quartile, Quantile und Quintile Exercise 10: Ausreißer mit IQR finden

Aktuelle Übung

In diesem Kapitel lernst du, wie du Zufallsstichproben erstellst und den Zufall mithilfe der Wahrscheinlichkeitsrechnung misst. Du arbeitest mit realen Verkaufsdaten, mit denen du die Erfolgswahrscheinlichkeit eines Verkäufers berechnest. Im Anschluss nutzt du die Binomialverteilung, um Ereignisse mit binären Ergebnissen zu modellieren.

Exercise 1: Wie stehen die Chancen?Exercise 2: Mit oder ohne Zurücklegen?Exercise 3: Wahrscheinlichkeiten berechnen Exercise 4: Stichproben zu Deals durchführen Exercise 5: Diskrete Verteilungen Exercise 6: Eine Wahrscheinlichkeitsverteilung erstellen Exercise 7: Verteilungen erkennen Exercise 8: Erwarteter Wert vs. Stichprobenmittelwert Exercise 9: Kontinuierliche Verteilungen Exercise 10: Welche Verteilung?Exercise 11: Daten Back-ups Exercise 12: Wartezeiten simulieren Exercise 13: Die Binomialverteilung Exercise 14: Verkaufdeals simulieren Exercise 15: Berechnung der binomialen Wahrscheinlichkeiten Exercise 16: Wie viele Verkäufe werden getätigt?

Nun wollen wir uns eine der wichtigsten Wahrscheinlichkeitsverteilungen in der Statistik, die Normalverteilung, genauer anschauen. Du erstellst Histogramme, um Normalverteilungen darzustellen und lernst den zentralen Grenzwertsatz kennen, bevor du dein Wissen über statistische Funktionen erweiterst, indem du die Poisson-, Exponential- und t-Verteilung zu deinem Repertoire hinzufügst.

Exercise 1: Die Normalverteilung Exercise 2: Verteilung der Verkäufe von Amir Exercise 3: Wahrscheinlichkeiten aus der Normalverteilung Exercise 4: Verkäufe unter neuen Marktbedingungen simulieren Exercise 5: Welcher Markt ist besser?Exercise 6: Das zentrale Grenzwertsatztheorem Exercise 7: Stichprobenverteilungen visualisieren Exercise 8: Der zentrale Grenzwertsatz in Aktion Exercise 9: Der Mittelwert der Mittel Exercise 10: Die Poisson-Verteilung Exercise 11: Lambdas identifizieren Exercise 12: Reaktionen auf Leads verfolgen Exercise 13: Mehr Wahrscheinlichkeitsverteilungen Exercise 14: Verteilung durch Ziehen und Ablegen Exercise 15: Modellierung der Zeit zwischen den Leads Exercise 16: Die t-Verteilung

In diesem Kapitel lernst du, wie du die Stärke einer linearen Beziehung zwischen zwei Variablen quantifizieren kannst und wie Störvariablen die Beziehung zwischen zwei anderen Variablen beeinflussen können. Du erfährst auch, wie das Design einer Studie die Ergebnisse beeinflussen kann, wie die Daten analysiert werden sollten und wie sich das auf die Zuverlässigkeit deiner Schlussfolgerungen auswirken kann.

Exercise 1: Korrelation Exercise 2: Korrelation erraten Exercise 3: Beziehungen zwischen Variablen Exercise 4: Vorbehalte bei der Korrelation Exercise 5: Was kann die Korrelation nicht messen?Exercise 6: Variablen umwandeln Exercise 7: Macht Zucker glücklicher?Exercise 8: Störfaktoren Exercise 9: Planung von Experimenten Exercise 10: Studienarten Exercise 11: Längsschnittstudien vs. Querschnittstudien Exercise 12: Herzlichen Glückwunsch!