Misure di centralità

Lo scopo principale delle statistiche descrittive è fornire un riepilogo dei dati. Le statistiche descrittive possono esserti utili per farti rapidamente un'idea dei dati durante il colloquio.

I tipi più riconosciuti di statistiche descrittive sono le misure di tendenza centrale, note anche come misure di centralità.

In questo esercizio, lavorerai con il dataset cats del pacchetto MASS. Il dataset cats contiene le seguenti variabili:

Sex - sesso,
Bwt - peso corporeo, e
Hwt - peso del cuore

di gatti domestici.

Calcolando le misure di tendenza centrale, sarai in grado di rispondere a domande sulla asimmetria dei dati.

Ricorda la relazione tra la media e la mediana nelle distribuzioni asimmetriche:

Il dataset è stato precaricato come cats.

Questo esercizio fa parte del corso

Esercitarsi con le domande di statistica per i colloqui in R

Visualizza il corso

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Compute the average of Hwt
___(cats$Hwt)

# Compute the median of Hwt
___(___)

Modifica ed esegui il codice

Questo esercizio fa parte del corso

Esercitarsi con le domande di statistica per i colloqui in R

AvançadoNível de habilidade

4.7+

Inizia il corso gratis

Want to increase your odds of acing your job interview? If so, brush up on your knowledge of probability theory. In this chapter, we'll roll dice and shoot baskets to explain probabilities using real-life examples.

Exercise 1: Discrete distributions Exercise 2: Probability functions Exercise 3: Bernoulli trials Exercise 4: Binomial distribution Exercise 5: Continuous distributions Exercise 6: Uniform distribution Exercise 7: Shape of normal distribution Exercise 8: Sample from normal distribution Exercise 9: Central limit theorem Exercise 10: Law of large numbers Exercise 11: Simulating central limit theorem

If the job description appeals to you review descriptive statistics before the interview. In this chapter, you will practice exploratory data analysis (EDA) using natural gas prices and data from a survey analysis.

Exercise 1: Statistiche descrittive Exercise 2: Misure di centralità

Esercizio in corso

Exercise 3: Misure di variabilità Exercise 4: Dati categorici Exercise 5: Analisi di un sondaggio Exercise 6: Codifica dei dati Exercise 7: Serie temporali Exercise 8: Oggetto di serie temporale Exercise 9: Pulire e gestire serie temporali Exercise 10: Analisi delle Componenti Principali Exercise 11: PCA - rotazione Exercise 12: PCA - riduzione della dimensionalità

March confidently into your job interview after reviewing confidence intervals. We'll review the t-test, ANOVA, and normality tests to prepare you for statistics-based coding questions.

Exercise 1: Normality tests Exercise 2: Shapiro-Wilk test Exercise 3: Q-Q plot Exercise 4: Inference for a mean Exercise 5: Confidence interval Exercise 6: One-sample t-test Exercise 7: Comparing two means Exercise 8: Two-sample t-test Exercise 9: Paired test Exercise 10: ANOVA Exercise 11: Comparing groups Exercise 12: ANOVA for plant growth

Is your potential employer planning to test your R skills? Make sure you’re prepared and practice model evaluation beforehand. In this chapter, we will fit and evaluate linear and logistic regression models using various biomedical datasets. By the end of this chapter, you’ll be fully prepared to answer any question the interviewer throws your way!

Exercise 1: Covariance and correlation Exercise 2: Covariance by hand Exercise 3: Linear relationship Exercise 4: Nonlinear relationship Exercise 5: Linear regression model Exercise 6: Fitting linear models Exercise 7: Predicting with linear models Exercise 8: Logistic regression model Exercise 9: Fitting logistic models Exercise 10: Predicting with logistic models Exercise 11: Model evaluation Exercise 12: Validation set approach Exercise 13: Regression evaluation Exercise 14: Classification evaluation Exercise 15: Wrapping up