Deskriptiv och inferentiell statistik

Statistik kan användas för att besvara många olika typer av frågor, men för att dra korrekta slutsatser är det viktigt att kunna avgöra vilken typ av statistik som behövs. I den här övningen tränar du på att identifiera vilken typ som lämpar sig bäst för respektive fråga.

Den här övningen är en del av kursen

Introduktion till statistik i Python

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Introduktion till statistik i Python

SkillTag.level.intermediateSkillTag.label

4.8+

Starta kursen gratis

Sammanfattande statistik ger dig verktygen du behöver för att destillera stora datamängder och lyfta fram det viktigaste. I det här kapitlet utforskar du sammanfattande mått som medelvärde, median och standardavvikelse, och lär dig tolka dem på rätt sätt. Du tränar även ditt kritiska tänkande för att kunna välja de mest lämpliga statistiska måtten för dina data.

Exercise 1: Vad är statistik?Exercise 2: Deskriptiv och inferentiell statistik

Aktuell övning

Exercise 3: Klassificering av datatyper Exercise 4: Centrummått Exercise 5: Beräkna medelvärde och median Exercise 6: Medelvärde, median och fördelningens form Exercise 7: Spridningsmått Exercise 8: Varians och standardavvikelse Exercise 9: Kvartiler, kvantiler och kvintiler Exercise 10: Hitta extremvärden med IQR

I det här kapitlet lär du dig att generera slumpmässiga urval och mäta slumpmässighet med hjälp av sannolikhetslära. Du arbetar med verkliga försäljningsdata för att beräkna sannolikheten att en säljare lyckas. Avslutningsvis använder du binomialfördelningen för att modellera händelser med binära utfall.

Exercise 1: Vad är chansen?Exercise 2: Med eller utan återläggning?Exercise 3: Beräkna sannolikheter Exercise 4: Sampla affärer Exercise 5: Diskreta fördelningar Exercise 6: Skapa en sannolikhetsfördelning Exercise 7: Identifiera fördelningar Exercise 8: Förväntat värde jämfört med urvalets medelvärde Exercise 9: Kontinuerliga fördelningar Exercise 10: Vilken fördelning?Exercise 11: Säkerhetskopiering av data Exercise 12: Simulera väntetider Exercise 13: Binomialfördelningen Exercise 14: Simulera säljaffärer Exercise 15: Beräkna binomialsannolikheter Exercise 16: Hur många affärer kommer att avslutas?

Nu är det dags att utforska en av de viktigaste sannolikhetsfördelningarna inom statistiken: normalfördelningen. Du skapar histogram för att visualisera normalfördelningar och fördjupar din förståelse av centrala gränsvärdessatsen. Därefter utökar du din statistiska verktygslåda med Poisson-, exponential- och t-fördelningen.

Exercise 1: Normalfördelningen Exercise 2: Fördelningen av Amirs försäljning Exercise 3: Sannolikheter från normalfördelningen Exercise 4: Simulera försäljning under nya marknadsförhållanden Exercise 5: Vilken marknad är bäst?Exercise 6: Centrala gränsvärdessatsen Exercise 7: Visualisera samplingfördelningar Exercise 8: CLT i praktiken Exercise 9: Medelvärdet av medelvärden Exercise 10: Poissonfördelningen Exercise 11: Identifiera lambda Exercise 12: Spåra svar på leads Exercise 13: Fler sannolikhetsfördelningar Exercise 14: Dra och släpp fördelningar Exercise 15: Modellera tid mellan leads Exercise 16: t-fördelningen

I det här kapitlet lär du dig att kvantifiera styrkan i ett linjärt samband mellan två variabler, och du undersöker hur störvariabler kan påverka sambandet mellan andra variabler. Du ser också hur en studies design kan påverka dess resultat, hur data bör analyseras, och hur tillförlitliga slutsatser kan dras.

Exercise 1: Korrelation Exercise 2: Gissa korrelationen Exercise 3: Samband mellan variabler Exercise 4: Fallgropar med korrelation Exercise 5: Vad kan inte korrelation mäta?Exercise 6: Transformera variabler Exercise 7: Gör socker oss lyckligare?Exercise 8: Störvariabler Exercise 9: Experimentdesign Exercise 10: Studietyper Exercise 11: Longitudinella och tvärsnittsbaserade studier Exercise 12: Grattis!