Intervallo di confidenza

L'intervallo di confidenza è un intervallo in cui ci aspettiamo che cada la media della popolazione.

Potresti ricevere domande sugli intervalli di confidenza se il tuo prossimo progetto riguarda scienze comportamentali o medicina, politica o pubblicità.

In questo esercizio, metterai in pratica il calcolo degli intervalli di confidenza usando il dataset sleep del pacchetto datasets. Il dataset contiene dati sull'effetto di due farmaci su dieci pazienti. L'effetto è misurato come aumento delle ore di sonno rispetto al controllo, salvato nella colonna extra.

Un intervallo di confidenza è salvato nel componente conf.int di un oggetto creato con t.test().

Puoi recuperarlo così:

t.test(x)$conf.int

Attenzione! Per eseguire un t-test, i tuoi dati devono essere distribuiti normalmente.

Questo esercizio fa parte del corso

Esercitarsi con le domande di statistica per i colloqui in R

Visualizza il corso

Esercizio pratico interattivo

Passa dalla teoria alla pratica con uno dei nostri esercizi interattivi

Inizia esercizio

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: Descriptive statistics Exercise 2: Centrality measures Exercise 3: Variability measures Exercise 4: Categorical data Exercise 5: Survey analysis Exercise 6: Data encoding Exercise 7: Time series Exercise 8: Time series object Exercise 9: Wrangling time series Exercise 10: Principal Component Analysis Exercise 11: PCA - rotation Exercise 12: PCA - dimension reduction

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: Test di normalità Exercise 2: Test di Shapiro-Wilk Exercise 3: Q-Q plot Exercise 4: Inferenza su una media Exercise 5: Intervallo di confidenza

Esercizio in corso

Exercise 6: t-test a campione singolo Exercise 7: Confrontare due medie Exercise 8: t-test a due campioni Exercise 9: Test appaiato Exercise 10: ANOVA Exercise 11: Confrontare i gruppi Exercise 12: ANOVA per la crescita delle piante

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