Identifizieren von n und p

Super, dass du erkannt hast, welcher Verkäufer die höchste Wahrscheinlichkeit hat, neun oder mehr Verkäufe abzuschließen.

Erinnere dich: Eine Binomialverteilung wird durch zwei Parameter definiert: \(n\) (die Anzahl der Versuche) und \(p\) (die Erfolgswahrscheinlichkeit pro Versuch). Das wahrscheinlichste Ergebnis (Modus) in James’ Verteilung sind 8 Verkäufe bei maximal 12 Versuchen pro Woche.

Wichtig: \(p\) ist die Erfolgswahrscheinlichkeit in einem einzelnen Versuch, nicht die Wahrscheinlichkeit, die auf der y-Achse des Diagramms angezeigt wird.

Kannst du n und p für James’ Verkaufsverteilung bestimmen?

james_sales_distribution_peaking_between_eight_and_nine_successes.png

Diese Übung ist Teil des Kurses

<Kurs>Einführung in die Statistik</Kurs>

Interaktive praktische Übung

Verwandle Theorie mit einer unserer interaktiven Übungen in die Praxis

Diese Übung ist Teil des Kurses

<Kurs>Einführung in die Statistik</Kurs>

Geringe SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

Zusammenfassende Statistiken geben dir die Werkzeuge an die Hand, um deine Daten zu beschreiben. In diesem Kapitel erkundest du Kennzahlen wie Mittelwert, Median und Standardabweichung und lernst, sie korrekt zu interpretieren. Außerdem schulst du dein kritisches Denken, damit du die passenden Kennzahlen für deine Daten auswählen kannst.

Exercise 1: Was ist Statistik?Exercise 2: Praktische Anwendung der Statistik Exercise 3: Identifizieren von Datentypen Exercise 4: Deskriptive vs. schließende Statistik Exercise 5: Maße der zentralen Tendenz Exercise 6: Typische Anzahl von Raubüberfällen pro Londoner Bezirk Exercise 7: Auswählen eines Maßes Exercise 8: Londoner Stadtbezirke mit der höchsten Kriminalitätsrate Exercise 9: Streuungsmaße Exercise 10: Definieren der Streuungsmaße Exercise 11: Box-Plots zur Messung der Streuung Exercise 12: Welche Straftat hat die größere Standardabweichung

Wahrscheinlichkeit ist ein Grundpfeiler der Statistik und wird genutzt, um die Chance des Eintretens von Ereignissen zu berechnen. Du arbeitest mit realen Verkaufsdaten und lernst, wie Werte in Daten als Wahrscheinlichkeitsverteilung interpretiert werden können. Du erfährst mehr über diskrete und stetige Wahrscheinlichkeitsverteilungen, einschließlich der Normalverteilung und warum sie in natürlichen Phänomenen so häufig auftritt!

Exercise 1: Wie stehen die Chancen?Exercise 2: Was ist wahrscheinlicher?Exercise 3: Die Wahrscheinlichkeit, dass der nächste Umsatz über dem Mittelwert liegt.Exercise 4: Bedingte Wahrscheinlichkeit Exercise 5: Abhängige vs. unabhängige Ereignisse Exercise 6: Bestellungen von mehr als 10 Warenkorbpodukten Exercise 7: Diskrete Verteilungen Exercise 8: Identifizieren von Verteilungen Exercise 9: Stichprobenmittelwert vs. theoretischer Mittelwert Exercise 10: stetige Verteilungen Exercise 11: Diskrete vs. stetige Verteilungen Exercise 12: Finden der Normalverteilung Exercise 13: Die Wahrscheinlichkeit mit einer Gleichverteilung

Es ist Zeit, weitere Wahrscheinlichkeitsverteilungen zu erkunden. Du lernst die Binomialverteilung kennen, um die Wahrscheinlichkeit binärer Ergebnisse zu veranschaulichen, und eine der wichtigsten Verteilungen in der Statistik: die Normalverteilung. Du siehst, wie Verteilungen anhand ihrer Form beschrieben werden können, entdeckst die Poisson-Verteilung und ihre Rolle bei der Berechnung von Ereigniswahrscheinlichkeiten über die Zeit. Außerdem verstehst du den Zentralen Grenzwertsatz!

Exercise 1: Die Binomialverteilung Exercise 2: Erkennen einer Binomialverteilung Exercise 3: Einfluss der Wahrscheinlichkeitsrechnung auf die Binomialverteilung Exercise 4: Identifizieren von n und p

Aktuelle Übung

Exercise 5: Die Normalverteilung Exercise 6: Erkennen der Normalverteilung Exercise 7: Was ist das Besondere an der Normalverteilung?Exercise 8: Erkennen der Schiefe Exercise 9: Verteilungen mit Hilfe der Wölbung beschreiben Exercise 10: Der zentrale Grenzwertsatz Exercise 11: Stichprobenverteilungen visualisieren Exercise 12: Die CLT vs. Das Gesetz der großen Zahlen Exercise 13: Wann man den zentralen Grenzwertsatz verwendet Exercise 14: Die Poisson-Verteilung Exercise 15: Erkennen von Poisson-Prozessen Exercise 16: Erkennen von Lambda in der Poisson-Verteilung

Im letzten Kapitel lernst du Hypothesentests kennen und wie sie genutzt werden, um belastbare Schlussfolgerungen über eine Grundgesamtheit zu ziehen. Du entdeckst Korrelation und wie sie genutzt wird, um eine lineare Beziehung zwischen zwei Variablen zu quantifizieren. Du erfährst mehr über Versuchsdesigns wie Randomisierung und Verblindung. Außerdem lernst du Konzepte kennen, mit denen sich das Risiko verringern lässt, aus den Ergebnissen von Hypothesentests die falsche Schlussfolgerung zu ziehen!

Exercise 1: Hypothesentests Exercise 2: Sonnenschein und Schlaf Exercise 3: Ablauf von Hypothesentests Exercise 4: Unabhängige und abhängige Variablen Exercise 5: Experimente Exercise 6: Erkennen von kontrollierten Studien Exercise 7: Warum Randomisierung?Exercise 8: Korrelation Exercise 9: Erkennen von Korrelationen zwischen Variablen Exercise 10: Was sagt die Korrelation aus?Exercise 11: Störvariablen Exercise 12: Interpretieren der Ergebnisse von Hypothesentests Exercise 13: Signifikanzniveaus vs. p-Werte Exercise 14: Fehler 1. und 2. Art.Exercise 15: Glückwunsch!