Media y mediana

En este capítulo, trabajarás con el conjunto de datos food_consumption del 2018 Food Carbon Footprint Index, de nu3. El conjunto de datos food_consumption contiene el número de kilogramos de alimentos consumidos por persona y año en cada país, la columna de categoría de alimentos food_category, la cantidad de consumption, y su huella de carbono (co2_emissions) medida en kilogramos de dióxido de carbono, o CO₂.

dplyr está cargado para ti y food_consumption está disponible.

Este ejercicio forma parte del curso

Introducción a la estadística en R

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Calculate mean food consumption 
___

Editar y ejecutar código

Este ejercicio forma parte del curso

Introducción a la estadística en R

IntermedioNivel de habilidad

4.8+

Comienza el curso gratis

La síntesis estadística te proporciona las herramientas que necesitas para condensar conjuntos de datos masivos y revelar lo más destacado. En este capítulo explorarás la síntesis estadística, lo que incluye la media, la mediana y la desviación típica, y aprenderás a realizar una interpretación exacta. También desarrollarás tus competencias de pensamiento crítico, lo que te permitirá elegir la mejor síntesis estadística para tus datos.

Exercise 1: ¿Qué es la estadística?Exercise 2: Estadística descriptiva e inferencial Exercise 3: Clasificación de los tipos de datos Exercise 4: Medidas de tendencia central Exercise 5: Media y mediana

Ejercicio actual

Exercise 6: Media frente a mediana Exercise 7: Medidas de dispersión Exercise 8: Varianza y desviación típica Exercise 9: Cuartiles, cuantiles y quintiles Exercise 10: Encontrar valores atípicos mediante IQR

En este capítulo aprenderás a generar muestras aleatorias y a medir el azar utilizando la probabilidad. Trabajarás con datos de ventas del mundo real para calcular la probabilidad de éxito de un vendedor. Por último, utilizarás la distribución binomial para modelar eventos con resultados binarios.

Exercise 1: ¿Qué posibilidades hay?Exercise 2: ¿Con o sin reemplazo?Exercise 3: Cálculo de probabilidades Exercise 4: Muestreo de acuerdos Exercise 5: Distribuciones discretas Exercise 6: Crear una distribución de probabilidad Exercise 7: Identificar las distribuciones Exercise 8: Valor esperado frente a media muestral Exercise 9: Distribuciones continuas Exercise 10: ¿Qué distribución?Exercise 11: Copias de seguridad de datos Exercise 12: Simulación de tiempos de espera Exercise 13: La distribución binomial Exercise 14: Simular acuerdos de venta Exercise 15: Cálculo de probabilidades binomiales Exercise 16: ¿Cuántas ventas se conseguirán?

Es hora de explorar una de las distribuciones de probabilidad más importantes en estadística, la distribución normal. Crearás histogramas para representar distribuciones normales y comprenderás el teorema central del límite, antes de ampliar tus conocimientos de las funciones estadísticas añadiendo las distribuciones de Poisson, exponencial y t a tu repertorio.

Exercise 1: La distribución normal Exercise 2: Distribución de las ventas de Amir Exercise 3: Probabilidades de la distribución normal Exercise 4: Simulación de ventas en nuevas condiciones de mercado Exercise 5: ¿Qué mercado es mejor?Exercise 6: El teorema central del límite Exercise 7: Visualizar distribuciones muestrales Exercise 8: CLT en acción Exercise 9: La media de las medias Exercise 10: La distribución de Poisson Exercise 11: Identificar lambda Exercise 12: Seguimiento de las respuestas de los clientes potenciales Exercise 13: Más distribuciones de probabilidad Exercise 14: Demasiadas distribuciones Exercise 15: Tiempo de modelado entre clientes potenciales Exercise 16: La distribución t

En este capítulo, aprenderás a cuantificar la fuerza de una relación lineal entre dos variables, y explorarás cómo las variables de confusión pueden afectar a la relación entre otras dos variables. También verás cómo el diseño de un estudio puede influir en sus resultados, cambiar la forma en que deben analizarse los datos y afectar potencialmente a la fiabilidad de tus conclusiones.

Exercise 1: Correlación Exercise 2: Adivina la correlación Exercise 3: Relaciones entre variables Exercise 4: Advertencias sobre la correlación Exercise 5: ¿Qué no puede medir la correlación?Exercise 6: Transformación de variables Exercise 7: ¿El azúcar aumenta la felicidad?Exercise 8: Factores de confusión Exercise 9: Diseño de experimentos Exercise 10: Tipos de estudio Exercise 11: Estudios longitudinales frente a estudios transversales Exercise 12: ¡Enhorabuena!