Test appaiato

Nella lezione precedente hai lavorato sul dataset sleep. Il dataset contiene dati sull’effetto di due farmaci sull’aumento delle ore di sonno.

In questo esperimento, i dati sono coppie di misurazioni: le stesse persone sono state testate con ciascuno dei farmaci. Se i dati contengono coppie di misurazioni, dovresti usare un test appaiato. Vale la pena ricordare questa distinzione durante il colloquio.

Per eseguire un test appaiato, imposta il parametro paired della funzione t.test() su TRUE.

Il dataset è disponibile come sleep nel tuo ambiente. Ricorda che extra è l’aumento nel numero di ore di sonno e group indica quale farmaco è stato somministrato.

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 the first group
drug1 <- sleep$extra[___ == ___]

# Subset the second group
___ <- ___[sleep$group == ___]

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: 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 Exercise 6: t-test a campione singolo Exercise 7: Confrontare due medie Exercise 8: t-test a due campioni Exercise 9: Test appaiato

Esercizio in corso

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