Gráficos de caixa para medir a dispersão

A visualização de dados pode ser útil para destacar medidas de dispersão, como o intervalo interquartil (IIQ).

Abaixo está um gráfico de caixa que mostra o número de crimes em todos os bairros de Londres em fevereiro de 2021, agrupados por tipo de crime.

Sua tarefa é usar o gráfico para determinar qual tipo de crime teve o maior intervalo interquartil para esse mês.

Este exercicio faz parte do curso

Introdução à estatística

exercicio interativo prático

Transforme teoria em prática com um dos nossos exercicio interativos

Iniciar exercicio

Este exercicio faz parte do curso

Introdução à estatística

InicianteNível de habilidade

4.8+

Comece o curso gratuitamente

As estatísticas resumidas fornecem as ferramentas de que você precisa para descrever seus dados. Neste capítulo, você explorará as estatísticas resumidas, incluindo média, mediana e desvio-padrão, e aprenderá a interpretá-las com precisão. Você também desenvolverá suas habilidades de pensamento crítico, o que lhe permitirá escolher as melhores estatísticas resumidas para seus dados.

Exercise 1: O que é estatística?Exercise 2: Uso de estatísticas no mundo real Exercise 3: Identificação de tipos de dados Exercise 4: Descritiva vs. Estatísticas inferenciais Exercise 5: Medidas de centralidade Exercise 6: Número típico de roubos por bairro de Londres Exercise 7: Choosing a measure Exercise 8: London Boroughs with most frequent crimes Exercise 9: Medidas de propagação Exercise 10: Definição de medidas de dispersão Exercise 11: Gráficos de caixa para medir a dispersão

Exercicio Atual

Exercise 12: Qual crime tem o maior desvio padrão?

A probabilidade é a base de grande parte da estatística, onde é usada para calcular a chance de ocorrência de eventos. Você trabalhará com dados de vendas do mundo real e aprenderá como dados com valores diferentes podem ser interpretados como uma distribuição de probabilidade. Você aprenderá sobre distribuições de probabilidade discretas e contínuas, incluindo a descoberta da distribuição normal e como ela ocorre com frequência em eventos naturais.

Exercise 1: Quais são as chances?Exercise 2: O que é mais provável?Exercise 3: Chances of the next sale being more than the mean Exercise 4: Probabilidade condicional Exercise 5: Dependente vs. Eventos independentes Exercise 6: Pedidos de mais de 10 produtos da cesta Exercise 7: Distribuições discretas Exercise 8: Identificação de distribuições Exercise 9: Sample mean vs. Theoretical mean Exercise 10: Distribuições contínuas Exercise 11: Discreto vs. Distribuições contínuas Exercise 12: Como encontrar a distribuição normal Exercise 13: Probabilidade com uma distribuição uniforme

É hora de explorar mais distribuições de probabilidade. Você aprenderá sobre a distribuição binomial para visualizar a probabilidade de resultados binários e uma das distribuições mais importantes em estatística, a distribuição normal. Você verá como as distribuições podem ser descritas de acordo com sua forma, além de descobrir a distribuição de Poisson e sua função no cálculo das probabilidades de ocorrência de eventos ao longo do tempo. Você também entenderá o teorema central do limite.

Exercise 1: A distribuição binomial Exercise 2: Reconhecimento de uma distribuição binomial Exercise 3: Como a probabilidade afeta a distribuição binomial Exercise 4: Identificação de n e p Exercise 5: A distribuição normal Exercise 6: Reconhecimento de uma distribuição normal Exercise 7: O que torna a distribuição normal especial?Exercise 8: Identificação da assimetria Exercise 9: Descrição de distribuições usando a curtose Exercise 10: O teorema central do limite Exercise 11: Visualizing sampling distributions Exercise 12: O CLT vs. A lei dos grandes números Exercise 13: Quando usar o teorema central do limite Exercise 14: A distribuição de Poisson Exercise 15: Identificação de processos de Poisson Exercise 16: Reconhecimento do lambda na distribuição de Poisson

No capítulo final, você conhecerá o teste de hipóteses e como ele pode ser usado para tirar conclusões precisas sobre uma população. Você descobrirá a correlação e como ela pode ser usada para quantificar uma relação linear entre duas variáveis. Você aprenderá sobre técnicas de projeto experimental, como randomização e cegamento. Você também aprenderá sobre os conceitos usados para minimizar o risco de chegar a uma conclusão errada sobre os resultados dos testes de hipóteses.

Exercise 1: Teste de hipóteses Exercise 2: Luz do sol e sono Exercise 3: O fluxo de trabalho do teste de hipóteses Exercise 4: Variáveis independentes e dependentes Exercise 5: Experimentos Exercise 6: Reconhecimento de ensaios clínicos controlados Exercise 7: Por que usar a randomização?Exercise 8: Correlação Exercise 9: Identifying correlation between variables Exercise 10: O que a correlação pode dizer a você?Exercise 11: Variáveis de confusão Exercise 12: Interpretação dos resultados do teste de hipótese Exercise 13: Níveis de significância vs. valores-p Exercise 14: Erros Tipo I e Tipo II Exercise 15: Parabéns!