डिस्ट्रिब्यूशंस की पहचान

कौन-सा sample सबसे अधिक संभावना रखता है कि वह uniform distribution से लिया गया हो?

A: घंटी-आकार का वितरण, B: अपेक्षाकृत सपाट वितरण, C: बहुत से छोटे मान, कम बड़े मान

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Statistics परिचय

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

हमारे इंटरैक्टिव अभ्यासों में से किसी एक के साथ सिद्धांत को व्यवहार में बदलें

अभ्यास शुरू करें

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Statistics परिचय

SkillTag.level.intermediateSkillTag.label

4.8+

पाठ्यक्रम मुफ्त में शुरू करें

Summary statistics आपको बड़े डेटासेट्स को संक्षेप में समेटकर मुख्य बातें उजागर करने के टूल्स देता है। इस चैप्टर में, आप mean, median, और standard deviation सहित summary statistics का पता लगाएंगे और उन्हें सही तरीके से interpret करना सीखेंगे। आप अपनी critical thinking स्किल्स भी विकसित करेंगे, जिससे आप अपने डेटा के लिए सबसे उपयुक्त summary statistics चुन पाएँगे।

Exercise 1: स्टैटिस्टिक्स क्या है?Exercise 2: Descriptive और Inferential Statistics Exercise 3: डेटा टाइप वर्गीकरण Exercise 4: केंद्र के माप Exercise 5: Mean और Median निकालना Exercise 6: Mean, median, और distribution का shape Exercise 7: वैरिएशन के माप Exercise 8: Variance और standard deviation Exercise 9: Quartiles, quantiles, और quintiles Exercise 10: IQR का उपयोग करके outliers ढूँढना

इस चैप्टर में, आप random samples जनरेट करना और probability से chance को मापना सीखेंगे। आप रियल-वर्ल्ड सेल्स डेटा के साथ काम करके किसी salesperson के सफल होने की probability की गणना करेंगे। अंत में, आप binary outcomes वाली घटनाओं को मॉडल करने के लिए binomial distribution का उपयोग करेंगे।

Exercise 1: संभावनाएँ क्या हैं?Exercise 2: With or without replacement?Exercise 3: प्रायिकताएँ निकालना Exercise 4: डील्स का सैंपलिंग Exercise 5: डिस्क्रीट डिस्ट्रीब्यूशंस Exercise 6: Probability distribution बनाना Exercise 7: डिस्ट्रिब्यूशंस की पहचान

वर्तमान अभ्यास

Exercise 8: Expected value बनाम sample mean Exercise 9: Continuous distributions Exercise 10: कौन-सा वितरण?Exercise 11: डेटा बैक-अप्स Exercise 12: प्रतीक्षा समय का सिमुलेशन Exercise 13: बाइनोमियल वितरण Exercise 14: सेल्स डील्स का सिमुलेशन Exercise 15: बाइनोमियल प्रायिकताएँ निकालना Exercise 16: कितनी सेल्स जीती जाएँगी?

अब बारी है statistics की सबसे महत्वपूर्ण probability distributions में से एक, normal distribution, को समझने की। आप normal distributions को प्लॉट करने के लिए histograms बनाएँगे और central limit theorem को समझेंगे। फिर आप अपनी statistical functions की समझ को बढ़ाते हुए Poisson, exponential, और t-distributions को अपने टूलकिट में जोड़ेंगे।

Exercise 1: द नॉर्मल डिस्ट्रीब्यूशन Exercise 2: अमीर की बिक्री का वितरण Exercise 3: नॉर्मल डिस्ट्रीब्यूशन से probabilities Exercise 4: नए बाज़ार हालात में बिक्री का सिमुलेशन Exercise 5: कौन सा मार्केट बेहतर है?Exercise 6: सेंट्रल लिमिट थ्योरम Exercise 7: सैंपलिंग डिस्ट्रीब्यूशंस का विज़ुअलाइज़ेशन Exercise 8: CLT को क्रिया में देखें Exercise 9: Means का mean Exercise 10: Poisson वितरण Exercise 11: लैम्ब्डा पहचानना Exercise 12: लीड प्रतिक्रियाओं को ट्रैक करना Exercise 13: अन्य प्रायिकता वितरण Exercise 14: डिस्ट्रिब्यूशन ड्रैग-एंड-ड्रॉप Exercise 15: लीड्स के बीच समय का मॉडलिंग Exercise 16: t-distribution

इस चैप्टर में, आप दो वैरिएबल्स के बीच linear relationship की ताकत को मापना सीखेंगे, और जानेंगे कि confounding variables कैसे दो अन्य वैरिएबल्स के संबंध को प्रभावित कर सकते हैं। आप यह भी देखेंगे कि किसी study का design उसके नतीजों को कैसे प्रभावित कर सकता है, डेटा का विश्लेषण कैसे बदल सकता है, और आपके निष्कर्षों की विश्वसनीयता पर क्या असर डाल सकता है।

Exercise 1: Correlation Exercise 2: Correlation पहचानिए Exercise 3: वैरिएबल्स के बीच संबंध Exercise 4: Correlation के caveats Exercise 5: Correlation किस चीज़ को नहीं माप सकता?Exercise 6: वैरिएबल्स को ट्रांसफ़ॉर्म करना Exercise 7: क्या चीनी खुशी बढ़ाती है?Exercise 8: Confounders Exercise 9: Design of experiments Exercise 10: अध्ययन के प्रकार Exercise 11: Longitudinal बनाम cross-sectional अध्ययन Exercise 12: बधाई हो!