Media e mediana

In questo capitolo lavorerai con il dataset food_consumption tratto dal 2018 Food Carbon Footprint Index di nu3. Il dataset food_consumption contiene il numero di chilogrammi di cibo consumati per persona all'anno in ciascun paese, la colonna della categoria alimentare food_category, la quantità di consumption e la sua impronta di carbonio (co2_emission) misurata in chilogrammi di anidride carbonica, ovvero CO₂.

dplyr è già caricato e food_consumption è disponibile.

Questo esercizio fa parte del corso

Introduzione alla statistica in R

Visualizza corso

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Calculate mean food consumption 
___

Modifica ed esegui il codice

Questo esercizio fa parte del corso

Introduzione alla statistica in R

IntermediárioNível de habilidade

4.8+

Inizia il corso gratuitamente

Le statistiche descrittive ti danno gli strumenti per sintetizzare grandi insiemi di dati e mettere in evidenza gli aspetti chiave. In questo capitolo esplorerai statistiche descrittive come media, mediana e deviazione standard, e imparerai a interpretarle correttamente. Svilupperai anche il pensiero critico, così da scegliere le statistiche riassuntive migliori per i tuoi dati.

Exercise 1: Che cos'è la statistica?Exercise 2: Statistiche descrittive e inferenziali Exercise 3: Classificazione dei tipi di dati Exercise 4: Misure del centro Exercise 5: Media e mediana

Esercizio attuale

Exercise 6: Media vs. mediana Exercise 7: Misure di diffusione Exercise 8: Varianza e deviazione standard Exercise 9: Quartili, quantili e quintili Exercise 10: Trovare i valori anomali utilizzando IQR

In questo capitolo imparerai a generare campioni casuali e a misurare il caso usando la probabilità. Lavorerai con dati di vendita reali per calcolare la probabilità che un venditore abbia successo. Infine userai la distribuzione binomiale per modellare eventi con esiti binari.

Exercise 1: Quali sono le possibilità?Exercise 2: Con o senza sostituzione?Exercise 3: Calcolo delle probabilità Exercise 4: Offerte di campionamento Exercise 5: Distribuzioni discrete Exercise 6: Creare una distribuzione di probabilità Exercise 7: Identificazione delle distribuzioni Exercise 8: Valore atteso vs. media del campione Exercise 9: Distribuzioni continue Exercise 10: Quale distribuzione?Exercise 11: Backup dei dati Exercise 12: Simulazione dei tempi di attesa Exercise 13: La distribuzione binomiale Exercise 14: Simulazione di accordi di vendita Exercise 15: Calcolo delle probabilità binomiali Exercise 16: Quante vendite saranno realizzate?

È il momento di esplorare una delle distribuzioni di probabilità più importanti in statistica: la distribuzione normale. Creerai istogrammi per rappresentare distribuzioni normali e capirai il teorema del limite centrale, per poi ampliare le tue conoscenze sulle funzioni statistiche aggiungendo al tuo repertorio le distribuzioni di Poisson, esponenziale e t.

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 TCL in azione Exercise 9: La media delle medie 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 questo capitolo imparerai a quantificare la forza di una relazione lineare tra due variabili ed esplorerai come le variabili confondenti possano influenzare la relazione tra altre due variabili. Vedrai anche come la progettazione di uno studio possa influenzarne i risultati, cambiare il modo in cui i dati devono essere analizzati e potenzialmente incidere sull’affidabilità delle tue conclusioni.

Exercise 1: Correlazione Exercise 2: Indovina la correlazione Exercise 3: Relazioni tra le variabili Exercise 4: Avvertenze sulla correlazione Exercise 5: Cosa non può misurare la correlazione?Exercise 6: Trasformazione delle variabili Exercise 7: Lo zucchero migliora la felicità?Exercise 8: Confondenti Exercise 9: Progettazione degli esperimenti Exercise 10: Tipi di studio Exercise 11: Studi longitudinali e trasversali Exercise 12: Congratulazioni!