Ze zwracaniem czy bez zwracania?

W filmie poznałeś/poznałaś dwa sposoby pobierania próbek: ze zwracaniem i bez zwracania. Nie zawsze łatwo ocenić, który z nich lepiej pasuje do danej sytuacji – a poprawne rozróżnienie jest kluczowe, żeby obliczone prawdopodobieństwa były dokładne. W tym ćwiczeniu sprawdzisz swoją wiedzę w praktyce.

To ćwiczenie jest częścią kursu

Wprowadzenie do statystyki w R

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie

To ćwiczenie jest częścią kursu

Wprowadzenie do statystyki w R

SkillTag.level.intermediateSkillTag.label

4.8+

Rozpocznij kurs za darmo

Statystyki opisowe dają ci narzędzia do wydobywania najważniejszych informacji z ogromnych zbiorów danych. W tym rozdziale poznasz takie miary jak średnia, mediana i odchylenie standardowe, a także nauczysz się je poprawnie interpretować. Rozwiniesz też umiejętność krytycznego myślenia, dzięki której będziesz wybierać statystyki najlepiej dopasowane do swoich danych.

Exercise 1: Czym jest statystyka?Exercise 2: Statystyki opisowe i wnioskujące Exercise 3: Klasyfikacja typów danych Exercise 4: Miary tendencji centralnej Exercise 5: Średnia i mediana Exercise 6: Średnia a mediana Exercise 7: Miary rozproszenia Exercise 8: Wariancja i odchylenie standardowe Exercise 9: Kwartyle, kwantyle i kwintyle Exercise 10: Znajdowanie wartości odstających za pomocą IQR

W tym rozdziale nauczysz się generować próbki losowe 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 o dwóch możliwych wynikach.

Exercise 1: Jakie są szanse?Exercise 2: Ze zwracaniem czy bez zwracania?

Bieżące ćwiczenie

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 z próby Exercise 9: Rozkłady ciągłe Exercise 10: Który rozkład?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 sprzedaży uda się sfinalizować?

Czas poznać jeden z najważniejszych rozkładów prawdopodobieństwa w statystyce – rozkład normalny. Stworzysz histogramy przedstawiające rozkłady normalne i zrozumiesz centralne twierdzenie graniczne. Następnie rozszerzysz swoją wiedzę o kolejne rozkłady: Poissona, wykładniczy i t-Studenta.

Exercise 1: Rozkład normalny Exercise 2: Rozkład sprzedaży Amira Exercise 3: Prawdopodobieństwo 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: Identyfikowanie lambdy Exercise 12: Śledzenie odpowiedzi na leady Exercise 13: Więcej rozkładów prawdopodobieństwa Exercise 14: Za dużo rozkładów Exercise 15: Modelowanie czasu między kontaktami Exercise 16: Rozkład t

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 wpływa na jego wyniki, zmienia sposób analizy danych i może oddziaływać na wiarygodność wniosków.

Exercise 1: Korelacja Exercise 2: Odgadnij korelację Exercise 3: Zależności między zmiennymi Exercise 4: Zastrzeżenia dotyczące korelacji Exercise 5: Czego korelacja nie potrafi zmierzyć?Exercise 6: Transformowanie 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!