Calcularea dimensiunii eșantionului

Să încheiem explorarea testelor statistice realizând o analiză a puterii pentru a determina dimensiunea necesară a eșantionului. Analiza puterii implică patru componente:

Dimensiunea eșantionului
Mărimea efectului
Efectul minim
Puterea

În acest exercițiu, lucrezi cu un site web și vrei să testezi o diferență în rata de conversie. Înainte de a începe experimentul, trebuie să stabilești câte eșantioane îți sunt necesare per variantă, folosind un nivel de semnificație de 5% și o putere de 95%.

Acest exercițiu face parte din cursul

Exersarea întrebărilor de interviu de statistică în Python

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Standardize the effect size
from statsmodels.stats.proportion import proportion_effectsize
std_effect = ____

Editează și rulează codul

Acest exercițiu face parte din cursul

Exersarea întrebărilor de interviu de statistică în Python

SkillTag.level.advancedSkillTag.label

4.8+

Începe cursul gratuit

Acest capitol deschide cursul cu o trecere în revistă a probabilităților condiționate, a teoremei lui Bayes și a teoremei limitei centrale. Pe parcurs, vei învăța cum să abordezi întrebările legate de distribuțiile de probabilitate cel mai des întâlnite.

Exercise 1: Probabilități condiționale Exercise 2: Formularea problemelor Exercise 3: Teorema lui Bayes aplicată Exercise 4: Teorema limitei centrale Exercise 5: Eșantioane dintr-un zar aruncat Exercise 6: Simularea teoremei limită centrale Exercise 7: Distribuții de probabilitate Exercise 8: Distribuția Bernoulli Exercise 9: Distribuția binomială Exercise 10: Distribuția normală

În acest capitol, te vei pregăti pentru conceptele statistice legate de analiza exploratorie a datelor. Temele acoperite includ statistici descriptive, lucrul cu variabile categoriale și relațiile dintre variabile. Exercițiile te vor pregăti pentru o evaluare analitică sau o întrebare de cod bazată pe statistică.

Exercise 1: Statistici descriptive Exercise 2: Medie sau mediană Exercise 3: Abaterea standard calculată manual Exercise 4: Date categoriale Exercise 5: Tehnici de codificare Exercise 6: Explorând prețurile laptopurilor Exercise 7: Două sau mai multe variabile Exercise 8: Tipuri de relații Exercise 9: Corelația Pearson Exercise 10: Sensibilitatea la valori extreme

Aprofundăm concepte esențiale despre experimente și testare: intervale de încredere, testarea ipotezelor, teste multiple și rolul puterii statistice și al dimensiunii eșantionului. Discutăm și despre tipurile de erori și semnificația lor în practică.

Exercise 1: Intervale de încredere Exercise 2: Interval de încredere calculat manual Exercise 3: Aplicarea intervalelor de încredere Exercise 4: Testarea ipotezelor Exercise 5: Test z unilateral Exercise 6: Testul t bilateral Exercise 7: Putere și dimensiunea eșantionului Exercise 8: Efectul asupra erorii de tip II Exercise 9: Calcularea dimensiunii eșantionului

Exercițiul curent

Exercise 10: Vizualizarea relației Exercise 11: Teste multiple Exercise 12: Calcularea ratelor de eroare Exercise 13: Corecția Bonferroni

În finalul cursului, abordăm concepte strâns legate de modelele de regresie și clasificare. Capitolul începe cu o trecere în revistă a algoritmilor fundamentali de machine learning și avansează rapid spre evaluarea modelelor, gestionarea cazurilor speciale și compromisul bias-varianță.

Exercise 1: Modele de regresie Exercise 2: Regresie liniară Exercise 3: Regresie logistică Exercise 4: Evaluarea modelelor Exercise 5: Evaluarea regresiei Exercise 6: Evaluarea clasificării Exercise 7: Date lipsă și valori extreme Exercise 8: Gestionarea valorilor nule Exercise 9: Identificarea valorilor extreme Exercise 10: Compromisul bias-varianță Exercise 11: Eroarea pe setul de testare și pe cel de antrenament Exercise 12: Vizualizarea compromisului Exercise 13: Concluzie