La media delle medie

Vuoi sapere qual è il numero medio di utenti (num_users) per affare, ma vuoi conoscere questo numero per l'intera azienda in modo da capire se gli affari di Amir hanno più o meno utenti rispetto all'affare medio dell'azienda. Il problema è che nell'ultimo anno l'azienda ha lavorato a più di diecimila transazioni, quindi non è realistico compilare tutti i dati. Invece, stimerai la media prendendo diversi campioni casuali di transazioni, poiché è molto più facile che raccogliere i dati di tutti i dipendenti dell'azienda.

I dati degli utenti per tutte le offerte dell'azienda sono disponibili su all_deals.

Questo esercizio fa parte del corso

Introduzione alle statistiche in R

Visualizza il corso

Istruzioni dell'esercizio

Imposta il seme casuale su 321.
Prendi 30 campioni di dimensione 20 da all_deals$num_users e calcola la media di ogni campione. Memorizza le medie dei campioni in sample_means.
Prendi la media di sample_means.
Prendi la media della colonna num_users di amir_deals.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Set seed to 321
___

# Take 30 samples of 20 values of num_users, take mean of each sample
sample_means <- ___(___, ___(___, ___) %>% mean())

# Calculate mean of sample_means
___

# Calculate mean of num_users in amir_deals
___

Modifica ed esegui il codice

Questo esercizio fa parte del corso

Introduzione alle statistiche in R

IntermediárioNível de habilidade

4.8+

Inizia il corso gratis

Summary statistics gives you the tools you need to boil down massive datasets to reveal the highlights. In this chapter, you'll explore summary statistics including mean, median, and standard deviation, and learn how to accurately interpret them. You'll also develop your critical thinking skills, allowing you to choose the best summary statistics for your data.

Exercise 1: What is statistics?Exercise 2: Descriptive and inferential statistics Exercise 3: Data type classification Exercise 4: Measures of center Exercise 5: Mean and median Exercise 6: Mean vs. median Exercise 7: Measures of spread Exercise 8: Variance and standard deviation Exercise 9: Quartiles, quantiles, and quintiles Exercise 10: Finding outliers using IQR

In this chapter, you'll learn how to generate random samples and measure chance using probability. You'll work with real-world sales data to calculate the probability of a salesperson being successful. Finally, you’ll use the binomial distribution to model events with binary outcomes.

Exercise 1: What are the chances?Exercise 2: With or without replacement?Exercise 3: Calculating probabilities Exercise 4: Sampling deals Exercise 5: Discrete distributions Exercise 6: Creating a probability distribution Exercise 7: Identifying distributions Exercise 8: Expected value vs. sample mean Exercise 9: Continuous distributions Exercise 10: Which distribution?Exercise 11: Data back-ups Exercise 12: Simulating wait times Exercise 13: The binomial distribution Exercise 14: Simulating sales deals Exercise 15: Calculating binomial probabilities Exercise 16: How many sales will be won?

It’s time to explore one of the most important probability distributions in statistics, normal distribution. You’ll create histograms to plot normal distributions and gain an understanding of the central limit theorem, before expanding your knowledge of statistical functions by adding the Poisson, exponential, and t-distributions to your repertoire.

Exercise 1: La distribuzione normale Exercise 2: Distribuzione delle vendite di Amir Exercise 3: Probabilità della distribuzione normale Exercise 4: Simulare le vendite in nuove condizioni di mercato Exercise 5: Quale mercato è migliore?Exercise 6: Il teorema del limite centrale Exercise 7: Visualizzazione delle distribuzioni di campionamento Exercise 8: Il sito CLT in azione Exercise 9: La media delle medie

Esercizio in corso

Exercise 10: La distribuzione di Poisson Exercise 11: Identificazione di lambda Exercise 12: Tracciamento delle risposte dei lead Exercise 13: Altre distribuzioni di probabilità Exercise 14: Troppe distribuzioni Exercise 15: Modellazione del tempo tra le derivazioni Exercise 16: La distribuzione t

In this chapter, you'll learn how to quantify the strength of a linear relationship between two variables, and explore how confounding variables can affect the relationship between two other variables. You'll also see how a study’s design can influence its results, change how the data should be analyzed, and potentially affect the reliability of your conclusions.

Exercise 1: Correlation Exercise 2: Guess the correlation Exercise 3: Relationships between variables Exercise 4: Correlation caveats Exercise 5: What can't correlation measure?Exercise 6: Transforming variables Exercise 7: Does sugar improve happiness?Exercise 8: Confounders Exercise 9: Design of experiments Exercise 10: Study types Exercise 11: Longitudinal vs. cross-sectional studies Exercise 12: Congratulations!