Media campionaria vs. media teorica

L'app estrae un campione da una distribuzione uniforme discreta (numeri da 1 a 9) e calcola la media del campione. Puoi scegliere diverse dimensioni del campione ed estrarre nuovi campioni per osservare come si comporta la media campionaria. Il valore atteso di questa distribuzione è 5.

Ecco una scommessa: vinci 20 $ se la media del campione è inferiore a 4. La particolarità: puoi scegliere tu la dimensione del campione.

Prova a estrarre campioni di dimensioni diverse e osserva come la media campionaria si muove rispetto al valore atteso.

Quale dimensione del campione ha più probabilità di farti vincere i 20 $?

Questo esercizio fa parte del corso

Introduzione alla statistica

Visualizza corso

esercizio interattivo pratico

Trasforma la teoria in pratica con uno dei nostri esercizi interattivi

Inizia esercizio

Questo esercizio fa parte del corso

Introduzione alla statistica

InicianteNível de habilidade

4.8+

Inizia il corso gratuitamente

Le statistiche descrittive ti forniscono gli strumenti per descrivere i tuoi dati. In questo capitolo esplorerai statistiche come media, mediana e deviazione standard e imparerai a interpretarle correttamente. Svilupperai anche il pensiero critico, così da scegliere le statistiche descrittive più adatte ai tuoi dati.

Exercise 1: Che cos'è la statistica?Exercise 2: Usare la statistica nel mondo reale Exercise 3: Identificare i tipi di dati Exercise 4: Statistiche descrittive vs. inferenziali Exercise 5: Misure di tendenza centrale Exercise 6: Numero tipico di rapine per London Borough Exercise 7: Scegliere una misura Exercise 8: Borough di Londra con i reati più frequenti Exercise 9: Misure di dispersione Exercise 10: Definire le misure di dispersione Exercise 11: Box plot per misurare la dispersione Exercise 12: Quale reato ha la deviazione standard più grande

La probabilità è alla base di gran parte della statistica e serve per calcolare la possibilità che si verifichino eventi. Lavorerai con dati di vendita reali e imparerai come valori diversi possano essere interpretati come una distribuzione di probabilità. Scoprirai le distribuzioni di probabilità discrete e continue, inclusa la distribuzione normale e il motivo per cui ricorre così spesso nei fenomeni naturali!

Exercise 1: Quali sono le probabilità?Exercise 2: Cosa è più probabile?Exercise 3: Probabilità che la prossima vendita superi la media Exercise 4: Probabilità condizionata Exercise 5: Eventi dipendenti vs. indipendenti Exercise 6: Ordini con più di 10 articoli di categoria Basket Exercise 7: Distribuzioni discrete Exercise 8: Riconoscere le distribuzioni Exercise 9: Media campionaria vs. media teorica

Esercizio attuale

Exercise 10: Distribuzioni continue Exercise 11: Distribuzioni discrete vs. continue Exercise 12: Riconoscere la distribuzione normale Exercise 13: Probabilità con una distribuzione uniforme

È il momento di esplorare altre distribuzioni di probabilità. Imparerai la distribuzione binomiale per visualizzare la probabilità di esiti binari e una delle distribuzioni più importanti in statistica, la distribuzione normale. Vedrai come le distribuzioni possano essere descritte dalla loro forma, oltre a scoprire la distribuzione di Poisson e il suo ruolo nel calcolare le probabilità di eventi che si verificano nel tempo. Otterrai anche una comprensione del teorema del limite centrale!

Exercise 1: La distribuzione binomiale Exercise 2: Riconoscere una distribuzione binomiale Exercise 3: Come la probabilità influisce sulla distribuzione binomiale Exercise 4: Identificare n e p Exercise 5: La distribuzione normale Exercise 6: Riconoscere la distribuzione normale Exercise 7: Cosa rende speciale la distribuzione normale?Exercise 8: Riconoscere l'asimmetria (skewness)Exercise 9: Descrivere le distribuzioni usando la curtosi Exercise 10: Il teorema del limite centrale Exercise 11: Visualizzare le distribuzioni campionarie Exercise 12: Il TCL vs. la legge dei grandi numeri Exercise 13: Quando usare il teorema del limite centrale Exercise 14: La distribuzione di Poisson Exercise 15: Riconoscere i processi di Poisson Exercise 16: Riconoscere lambda nella distribuzione di Poisson

Nel capitolo finale, conoscerai i test d’ipotesi e come usarli per trarre conclusioni accurate su una popolazione. Scoprirai la correlazione e come può quantificare una relazione lineare tra due variabili. Vedrai tecniche di disegno sperimentale come randomizzazione e cecità. Imparerai anche concetti utili per ridurre il rischio di trarre conclusioni errate dai risultati dei test d’ipotesi!

Exercise 1: Test di ipotesi Exercise 2: Sole e sonno Exercise 3: Il flusso di lavoro del test d'ipotesi Exercise 4: Variabili indipendenti e dipendenti Exercise 5: Esperimenti Exercise 6: Riconoscere gli studi controllati Exercise 7: Perché usare la randomizzazione?Exercise 8: Correlazione Exercise 9: Individuare la correlazione tra variabili Exercise 10: Cosa può dirti la correlazione?Exercise 11: Variabili confondenti Exercise 12: Interpretare i risultati dei test d'ipotesi Exercise 13: Livelli di significatività vs. p-value Exercise 14: Errori di tipo I e di tipo II Exercise 15: Congratulazioni!