Identificação de tipos de dados

Você viu que há dois tipos principais de dados: numéricos e categóricos.

Os dados numéricos podem ser classificados como contínuos ou de contagem/intervalo, e os dados categóricos podem ser classificados como nominais ou ordinais. O tipo de dados determina quais abordagens são adequadas ao resumir seus dados.

Você recebeu vários exemplos para classificar como dados contínuos, nominais ou ordinais.

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

Exercicio Atual

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 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!