Boxplots om spreiding te meten

Datavisualisatie kan helpen om maten van spreiding te benadrukken, zoals het interkwartielbereik (IQR).

Hieronder staat een boxplot met het aantal misdrijven in alle Londense boroughs in februari 2021, gegroepeerd naar type misdrijf.

Jouw taak is om met behulp van de plot te bepalen welk type misdrijf in deze maand het grootste interkwartielbereik had.

Deze oefening maakt deel uit van de cursus

Inleiding tot statistiek

Interactieve oefening met praktijkervaring

Zet theorie om in actie met een van onze interactieve oefeningen

Deze oefening maakt deel uit van de cursus

Inleiding tot statistiek

SkillTag.level.beginnerSkillTag.label

4.8+

Begin gratis met de cursus

Samenvattende statistieken geven je de tools om je data te beschrijven. In dit hoofdstuk verken je samenvattende statistieken zoals het gemiddelde, de mediaan en de standaarddeviatie, en leer je hoe je ze correct interpreteert. Je scherpt ook je kritisch denkvermogen aan, zodat je de beste samenvattende statistieken voor jouw data kunt kiezen.

Exercise 1: Wat is statistiek?Exercise 2: Statistiek gebruiken in de echte wereld Exercise 3: Gegevenstypen herkennen Exercise 4: Beschrijvende vs. inferentiële statistiek Exercise 5: Maatstaven voor het centrum Exercise 6: Typisch aantal berovingen per Londense borough Exercise 7: Een maat kiezen Exercise 8: Londense stadsdelen met de meest voorkomende misdrijven Exercise 9: Spreidingsmaten Exercise 10: Spreidingsmaten definiëren Exercise 11: Boxplots om spreiding te meten

Huidige oefening

Exercise 12: Welke misdaad heeft de grotere standaarddeviatie

Kansrekening vormt de basis van een groot deel van de statistiek en wordt gebruikt om de kans op gebeurtenissen te berekenen. Je werkt met echte verkoopdata en leert hoe gegevens met verschillende waarden kunnen worden geïnterpreteerd als een kansverdeling. Je ontdekt discrete en continue kansverdelingen, inclusief de normale verdeling en waarom die zo vaak voorkomt bij natuurlijke verschijnselen!

Exercise 1: Hoe groot is de kans?Exercise 2: Wat is waarschijnlijker?Exercise 3: Kans dat de volgende verkoop hoger is dan het gemiddelde Exercise 4: Voorwaardelijke kans Exercise 5: Afhankelijke vs. onafhankelijke gebeurtenissen Exercise 6: Bestellingen met meer dan 10 mandproducten Exercise 7: Discreet verdelingen Exercise 8: Verdelingen herkennen Exercise 9: Steekproefgemiddelde vs. theoretisch gemiddelde Exercise 10: Continue verdelingen Exercise 11: Discrete vs. continue verdelingen Exercise 12: De normale verdeling herkennen Exercise 13: Kans bij een uniforme verdeling

Tijd om meer kansverdelingen te verkennen. Je leert over de binomiale verdeling om de kans op binaire uitkomsten te visualiseren, en over een van de belangrijkste verdelingen in de statistiek: de normale verdeling. Je ziet hoe verdelingen kunnen worden beschreven aan de hand van hun vorm, ontdekt de Poissonverdeling en de rol ervan bij het berekenen van de kans op gebeurtenissen in de tijd. Je krijgt ook begrip van de centrale limietstelling!

Exercise 1: De binomiale verdeling Exercise 2: Een binomiale verdeling herkennen Exercise 3: Hoe kans de binomiale verdeling beïnvloedt Exercise 4: n en p bepalen Exercise 5: De normale verdeling Exercise 6: De normale verdeling herkennen Exercise 7: Wat maakt de normale verdeling bijzonder?Exercise 8: Scheefheid herkennen Exercise 9: Verdelingen beschrijven met kurtosis Exercise 10: De centrale limietstelling Exercise 11: Steekproefverdelingen visualiseren Exercise 12: De CLT vs. de wet van de grote aantallen Exercise 13: Wanneer gebruik je de centrale limietstelling Exercise 14: De Poissonverdeling Exercise 15: Poisson-processen herkennen Exercise 16: Lambda herkennen in de Poisson-verdeling

In het laatste hoofdstuk maak je kennis met hypothesetoetsing en hoe je die kunt gebruiken om nauwkeurige conclusies te trekken over een populatie. Je ontdekt correlatie en hoe je daarmee een lineair verband tussen twee variabelen kunt kwantificeren. Je leert over experimentele ontwerpmethoden zoals randomisatie en blindering. Ook maak je kennis met concepten die helpen om het risico te verkleinen dat je de verkeerde conclusie trekt uit de resultaten van hypothesetoetsen!

Exercise 1: Hypothesetoetsing Exercise 2: Zonlicht en slaap Exercise 3: De workflow van hypothesetoetsen Exercise 4: Onafhankelijke en afhankelijke variabelen Exercise 5: Experimenten Exercise 6: Gecontroleerde onderzoeken herkennen Exercise 7: Waarom randomisatie gebruiken?Exercise 8: Correlatie Exercise 9: Correlatie tussen variabelen herkennen Exercise 10: Wat kan correlatie je vertellen?Exercise 11: Storende variabelen Exercise 12: Resultaten van hypothesetoetsen interpreteren Exercise 13: Significantieniveaus vs. p-waarden Exercise 14: Type I- en type II-fouten Exercise 15: Gefeliciteerd!