Verdelingen herkennen

Welke steekproef is het meest waarschijnlijk getrokken uit een uniforme verdeling?

A: klokvormige verdeling, B: relatief vlakke verdeling, C: veel lage waarden, weinig hoge waarden

Deze oefening maakt deel uit van de cursus

Introductie tot statistiek in Python

Bekijk cursus

Interactieve oefening met praktijkervaring

Zet theorie om in actie met een van onze interactieve oefeningen

Begin oefening

Deze oefening maakt deel uit van de cursus

Introductie tot statistiek in Python

SkillTag.level.intermediateSkillTag.label

4.8+

9274 reviews

Begin gratis met de cursus

Samenvattende statistieken geven je de tools om enorme gegevenssets terug te brengen tot de kern. In dit hoofdstuk verken je samenvattende statistieken zoals gemiddelde, mediaan en standaarddeviatie, en leer je ze correct te interpreteren. Je scherpt ook je kritisch denkvermogen, zodat je de beste samenvattende statistieken voor jouw gegevens kunt kiezen.

Exercise 1: Wat is statistiek?Exercise 2: Beschrijvende en inferentiële statistiek Exercise 3: Classificatie van datatypes Exercise 4: Maten van centrum Exercise 5: Gemiddelde en mediaan berekenen Exercise 6: Gemiddelde, mediaan en de vorm van de verdeling Exercise 7: Spreidingsmaten Exercise 8: Variantie en standaarddeviatie Exercise 9: Kwartielen, kwantielen en kwintielen Exercise 10: Uitschieters vinden met de IQR

In dit hoofdstuk leer je willekeurige steekproeven genereren en toeval meten met kansrekening. Je werkt met verkoopdata uit de praktijk om de kans te berekenen dat een verkoopmedewerker succes heeft. Tot slot gebruik je de binomiale verdeling om gebeurtenissen met binaire uitkomsten te modelleren.

Exercise 1: Wat zijn de kansen?Exercise 2: Met of zonder teruglegging?Exercise 3: Kansen berekenen Exercise 4: Steekproeven van deals Exercise 5: Discrete verdelingen Exercise 6: Een kansverdeling maken Exercise 7: Verdelingen herkennen

Huidige oefening

Exercise 8: Verwachtingswaarde vs. steekproefgemiddelde Exercise 9: Continue verdelingen Exercise 10: Welke verdeling?Exercise 11: Data-back-ups Exercise 12: Wachttijden simuleren Exercise 13: De binomiale verdeling Exercise 14: Verkoopdeals simuleren Exercise 15: Binomiale kansen berekenen Exercise 16: Hoeveel sales worden er gewonnen?

Het is tijd om een van de belangrijkste kansverdelingen in de statistiek te verkennen: de normale verdeling. Je maakt histogrammen om normale verdelingen te plotten en krijgt inzicht in de centrale limietstelling, waarna je je kennis van statistische functies uitbreidt met de Poisson-, exponentiële en t-verdelingen.

Exercise 1: De normale verdeling Exercise 2: Verdeling van Amirs verkopen Exercise 3: Kansen uit de normale verdeling Exercise 4: Verkoop simuleren onder nieuwe marktomstandigheden Exercise 5: Welke markt is beter?Exercise 6: De centrale limietstelling Exercise 7: Steekproefverdelingen visualiseren Exercise 8: De CLT in de praktijk Exercise 9: Het gemiddelde van gemiddelden Exercise 10: De Poissonverdeling Exercise 11: Lambda herkennen Exercise 12: Reacties op leads bijhouden Exercise 13: Meer kansverdelingen Exercise 14: Verdelingen slepen en neerzetten Exercise 15: Tijd tussen leads modelleren Exercise 16: De t-verdeling

In dit hoofdstuk leer je hoe je de sterkte van een lineaire relatie tussen twee variabelen kwantificeert, en onderzoek je hoe confounders de relatie tussen twee andere variabelen kunnen beïnvloeden. Je ziet ook hoe de opzet van een onderzoek de resultaten kan sturen, de manier van analyseren kan veranderen en mogelijk de betrouwbaarheid van je conclusies beïnvloedt.

Exercise 1: Correlatie Exercise 2: Raad de correlatie Exercise 3: Relaties tussen variabelen Exercise 4: Kanttekeningen bij correlatie Exercise 5: Wat kan correlatie niet meten?Exercise 6: Variabelen transformeren Exercise 7: Verbetert suiker je geluksgevoel?Exercise 8: Confounders Exercise 9: Opzet van experimenten Exercise 10: Soorten onderzoeken Exercise 11: Longitudinale vs. dwarsdoorsnedeonderzoeken Exercise 12: Gefeliciteerd!