W tym rozdziale nauczysz się tworzyć graficzne i numeryczne podsumowania dwóch zmiennych kategorycznych.

Eksploracja danych kategorycznych

Oczekiwania wobec wykresu słupkowego

Tablice kontyngencji – przypomnienie

Usuwanie poziomów

Wykresy słupkowe obok siebie

Interpretacja wykresu słupkowego

Liczebności a proporcje

Proporcje warunkowe

Zliczenia a proporcje (2)

Rozkład jednej zmiennej

Marginalny wykres słupkowy

Warunkowy wykres słupkowy

Ulepsz wykres kołowy

W tym rozdziale nauczysz się graficznie podsumowywać dane liczbowe.

Eksploracja danych numerycznych

Histogram z podziałem na kategorie

Wykresy pudełkowe i wykresy gęstości

Porównywanie rozkładów za pomocą wykresów

Histogramy brzegowe i warunkowe

Interpretacja histogramów brzegowych i warunkowych

Trzy szerokości przedziałów

Interpretacja trzech szerokości przedziałów

Wykresy pudełkowe

Wykresy pudełkowe do wykrywania wartości odstających

Dobór wykresu

Wizualizacja w wyższych wymiarach

Wykres dla 3 zmiennych

Interpretacja wykresu 3 zmiennych

Eksploracja danych liczbowych

Po omówieniu eksploracji danych kategorycznych i liczbowych poznasz przydatne statystyki opisujące rozkłady danych.

Miary tendencji centralnej

Wybór miary środka

Obliczanie miar środkowych

Miary zmienności

Wybór miary rozproszenia

Obliczanie miar rozproszenia

Wybierz miary środka i rozrzutu

Kształt rozkładu i transformacje

Opisz kształt rozkładu

Transformacje

Wartości odstające

Identyfikowanie wartości odstających

Podsumowania numeryczne

Zastosuj zdobytą wiedzę w praktyce – zbadaj i opisz rzeczywisty zbiór danych w studium przypadku poświęconym spamowi e-mailowemu.

Wprowadzenie do danych

Spam i num_char

Spam a interpretacja num_char

Spam i !!!

Spam i !!! – interpretacja

Sprawdzenie 1

Łączenie poziomów

Interpretacja wykresów dotyczących obrazków i spamu

Integralność danych

Odpowiadanie na pytania za pomocą łańcuchów

Sprawdzenie wiedzy 2

Co kryje się w liczbie?

Co kryje się w liczbie – interpretacja

Podsumowanie

Studium przypadku

Immigration data

Comics data

Raw U.S. income data

Names data

Raw life expectancy data

Cars data

Gdy zbiór danych ma postać tabeli lub bazy danych, trudno dostrzec w nim coś więcej niż jego rozmiar i typy zmiennych. W tym kursie nauczysz się używać technik graficznych i numerycznych, aby zacząć odkrywać strukturę swoich danych. Które zmienne sugerują ciekawe zależności? Które obserwacje wyróżniają się na tle pozostałych? Po ukończeniu kursu będziesz potrafić odpowiedzieć na te i inne pytania, tworząc przy tym wykresy, które są zarówno czytelne, jak i estetyczne.

Introduction to Statistics in R

Introduction to Data Visualization with ggplot2

Poznaj techniki graficzne i numeryczne do analizy danych w R, tworząc piękne i wnikliwe wykresy.

Eksploracyjna analiza danych w R

Poznaj techniki graficzne i numeryczne, by zacząć odkrywać strukturę swoich danych.

Młodszy Data Scientist w R

Analityk danych  w R

Interpretacja wykresu 3 zmiennych

Eksploracyjna analiza danych w R

Interaktywne ćwiczenie praktyczne