Número típico de roubos por bairro de Londres

No vídeo, você viu que a média e a mediana podem fornecer informações sobre o valor típico de uma variável.

Aqui estão três definições que representam a moda, a mediana e a média, juntamente com seus respectivos valores para roubos no conjunto de dados de crimes de Londres:

Some todos os valores e divida pelo número de observações	O bairro de Londres onde o roubo ocorre com mais frequência	Classifique todos os dados e pegue o valor médio
1496,16	Westminster	1354,5

Se você observar a tabela, quais são os valores da média e da mediana?

Este exercício faz parte do curso

Introdução à estatística

Exercício interativo prático

Transforme a teoria em ação com um de nossos exercícios interativos

Começar o exercício

Este exercício faz parte do curso

Introdução à estatística

InicianteNível de habilidade

4.8+

Iniciar curso de graça

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

Exercício atual

Exercise 7: Escolha de uma medida Exercise 8: Bairros de Londres com os crimes mais frequentes 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 de a próxima venda ser maior do que a média 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: Média da amostra vs. média teórica 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: Visualização de distribuições de amostragens 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: Identificação da correlação entre as variáveis 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!