ANOVA voor plantengroei

In deze oefening voer je een éénweg-ANOVA uit om gemiddelden van drie groepen te vergelijken.

Zo'n taak kan in sollicitaties voorkomen in verschillende sectoren, zoals engineering, marketing en medische diensten.

Onthoud dat de aannames van ANOVA zijn:

Onafhankelijkheid van observaties
Normale verdelingen
Homogeniteit (gelijkheid) van varianties

Je kunt de laatste twee aannames respectievelijk controleren met de Shapiro-Wilk-test en de test van Bartlett.

De nulhypothese van een éénweg-ANOVA stelt dat de gemiddelden over de groepen gelijk zijn. $$ H_0: \mu_1 = \mu_2 = … = \mu_n $$

Gebruik oneway.test() om in deze oefening ANOVA uit te voeren.

Let op! Tot nu toe hebben we tapply() gebruikt om beschrijvende statistieken per groep te berekenen. We kunnen deze functie ook gebruiken om statistische toetsen per groep uit te voeren!

Deze oefening maakt deel uit van de cursus

Oefenen met statistiek-vragen voor sollicitaties in R

Cursus bekijken

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Test normality across groups
tapply(___, PlantGrowth$group, FUN = ___)

# Check the homogeneity of variance
___(___ ~ group, data = ___)

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

Oefenen met statistiek-vragen voor sollicitaties in R

SkillTag.level.advancedSkillTag.label

4.7+

Begin de cursus 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: Normaliteitstoetsen Exercise 2: Shapiro-Wilk-toets Exercise 3: Q-Q-plot Exercise 4: Inferentie voor een gemiddelde Exercise 5: Betrouwbaarheidsinterval Exercise 6: Eenzijdige t-toets met één steekproef Exercise 7: Twee gemiddelden vergelijken Exercise 8: t-toets voor twee steekproeven Exercise 9: Gepaarde test Exercise 10: ANOVA Exercise 11: Groepen vergelijken Exercise 12: ANOVA voor plantengroei

Huidige oefening

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