Misure di variabilità

Le misure di tendenza centrale rappresentano il punto centrale dei valori in un insieme di dati. Le misure di variabilità indicano quanto una distribuzione è allargata o compressa.

Le misure di variabilità ti offrono una visione più completa dei dati durante il colloquio. Le misure di variabilità più utilizzate sono varianza e deviazione standard.

In questo esercizio lavorerai di nuovo con il dataset cats del pacchetto MASS. Il dataset è già stato caricato come cats.

Il dataset contiene informazioni su sesso, peso del cuore e peso corporeo dei gatti domestici. Il valore "F" nella colonna Sex indica una femmina, mentre il valore "M" indica un maschio.

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.

# Subset female cats
___ <- subset(___, Sex == ___)

# Compute the variance of Bwt for females 
___(___)

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 Exercise 3: Misure di variabilità

Esercizio in corso

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