Rozkład t-Studenta

Które stwierdzenie dotyczące rozkładu t-Studenta nie jest prawdziwe?

To ćwiczenie jest częścią kursu

Wprowadzenie do statystyki w Pythonie

Zobacz kurs

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie

To ćwiczenie jest częścią kursu

Wprowadzenie do statystyki w Pythonie

SkillTag.level.intermediateSkillTag.label

4.8+

8404 reviews

Rozpocznij kurs za darmo

Statystyki opisowe to zestaw narzędzi, które pozwalają wydobyć najważniejsze informacje z ogromnych zbiorów danych. W tym rozdziale poznasz takie miary jak średnia, mediana i odchylenie standardowe, a także nauczysz się je poprawnie interpretować. Rozwiniesz również umiejętność krytycznego myślenia, dzięki czemu będziesz potrafić dobierać najlepsze statystyki opisowe do swoich danych.

Exercise 1: Czym jest statystyka?Exercise 2: Statystyka opisowa i wnioskująca Exercise 3: Klasyfikacja typów danych Exercise 4: Miary tendencji centralnej Exercise 5: Obliczanie średniej i mediany Exercise 6: Średnia, mediana i kształt rozkładu Exercise 7: Miary rozrzutu Exercise 8: Wariancja i odchylenie standardowe Exercise 9: Kwartyle, kwantyle i kwintyle Exercise 10: Wykrywanie wartości odstających za pomocą IQR

W tym rozdziale nauczysz się generować losowe próbki i mierzyć szansę za pomocą prawdopodobieństwa. Będziesz pracować z rzeczywistymi danymi sprzedażowymi, aby obliczyć prawdopodobieństwo sukcesu sprzedawcy. Na koniec użyjesz rozkładu dwumianowego do modelowania zdarzeń z dwoma możliwymi wynikami.

Exercise 1: Jakie są szanse?Exercise 2: Ze zwracaniem czy bez zwracania?Exercise 3: Obliczanie prawdopodobieństwa Exercise 4: Losowanie transakcji Exercise 5: Rozkłady dyskretne Exercise 6: Tworzenie rozkładu prawdopodobieństwa Exercise 7: Rozpoznawanie rozkładów Exercise 8: Wartość oczekiwana a średnia próbkowa Exercise 9: Rozkłady ciągłe Exercise 10: Jakie rozkłady?Exercise 11: Kopie zapasowe danych Exercise 12: Symulowanie czasu oczekiwania Exercise 13: Rozkład dwumianowy Exercise 14: Symulowanie transakcji sprzedażowych Exercise 15: Obliczanie prawdopodobieństw rozkładu dwumianowego Exercise 16: Ile transakcji uda się sfinalizować?

Czas poznać jeden z najważniejszych rozkładów prawdopodobieństwa w statystyce – rozkład normalny. Stworzysz histogramy ilustrujące rozkłady normalne i zrozumiesz centralne twierdzenie graniczne. Następnie poszerzysz swoją wiedzę o funkcjach statystycznych, dodając do swojego zestawu narzędzi rozkłady Poissona, wykładniczy i t-Studenta.

Exercise 1: Rozkład normalny Exercise 2: Rozkład sprzedaży Amira Exercise 3: Prawdopodobieństwa z rozkładu normalnego Exercise 4: Symulowanie sprzedaży w nowych warunkach rynkowych Exercise 5: Który rynek jest lepszy?Exercise 6: Centralne twierdzenie graniczne Exercise 7: Wizualizacja rozkładów próbkowania Exercise 8: Centralne twierdzenie graniczne w praktyce Exercise 9: Średnia ze średnich Exercise 10: Rozkład Poissona Exercise 11: Rozpoznawanie lambdy Exercise 12: Śledzenie odpowiedzi na leady Exercise 13: Więcej rozkładów prawdopodobieństwa Exercise 14: Dopasowywanie rozkładów Exercise 15: Modelowanie czasu między zgłoszeniami Exercise 16: Rozkład t-Studenta

Bieżące ćwiczenie

W tym rozdziale nauczysz się mierzyć siłę liniowej zależności między dwiema zmiennymi oraz sprawdzisz, jak zmienne zakłócające mogą wpływać na związek między innymi zmiennymi. Zobaczysz też, jak projekt badania może wpłynąć na jego wyniki, zmienić sposób analizy danych i potencjalnie rzutować na wiarygodność wniosków.

Exercise 1: Korelacja Exercise 2: Odgadnij korelację Exercise 3: Relacje między zmiennymi Exercise 4: Zastrzeżenia dotyczące korelacji Exercise 5: Czego nie mierzy korelacja?Exercise 6: Transformacja zmiennych Exercise 7: Czy cukier poprawia szczęście?Exercise 8: Zmienne zakłócające Exercise 9: Projektowanie eksperymentów Exercise 10: Rodzaje badań Exercise 11: Badania podłużne a przekrojowe Exercise 12: Gratulacje!