Klassificering av datatyper

I videon lärde du dig om två huvudtyper av data: numerisk och kategorisk. Numeriska variabler kan klassificeras som antingen diskreta eller kontinuerliga, och kategoriska variabler kan klassificeras som antingen nominala eller ordinala. Dessa egenskaper avgör vilka metoder som lämpar sig bäst för att sammanfatta dina data.

Den här övningen är en del av kursen

Introduktion till statistik i R

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 R

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 väsentliga. I det här kapitlet utforskar du sammanfattande mått som medelvärde, median och standardavvikelse, och lär dig hur du tolkar dem på rätt sätt. Du tränar även ditt kritiska tänkande så att du kan välja de mest lämpliga måtten för din data.

Exercise 1: Vad är statistik?Exercise 2: Deskriptiv och inferentiell statistik Exercise 3: Klassificering av datatyper

Aktuell övning

Exercise 4: Centrummått Exercise 5: Medelvärde och median Exercise 6: Medelvärde vs. median 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 hur du skapar slumpmässiga urval och mäter slumpen med hjälp av sannolikhetslära. Du arbetar med verklig säljdata 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: Expected value vs. sample mean 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 binomiala sannolikheter Exercise 16: Hur många affärer kommer att vinnas?

Nu är det dags att utforska en av de viktigaste sannolikhetsfördelningarna inom statistiken: normalfördelningen. Du skapar histogram för att visualisera normalfördelningar och skaffar dig en förståelse för centrala gränsvärdessatsen. Sedan utvidgar du dina kunskaper om statistiska fördelningar genom att lägga till Poisson-, exponential- och t-fördelningen.

Exercise 1: Normalfördelningen Exercise 2: Fördelning 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: Visualizing sampling distributions Exercise 8: CGT 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: För många fördelningar Exercise 15: Modellera tid mellan leads Exercise 16: t-fördelningen

I det här kapitlet lär du dig hur du kvantifierar styrkan i ett linjärt samband mellan två variabler, och undersöker hur störvariabler kan påverka sambandet mellan andra variabler. Du ser även hur en studies design kan påverka dess resultat, förändra hur data bör analyseras och potentiellt påverka tillförlitligheten i dina slutsatser.

Exercise 1: Korrelation Exercise 2: Guess the correlation Exercise 3: Samband mellan variabler Exercise 4: Varningar om korrelation Exercise 5: Vad kan korrelation inte mäta?Exercise 6: Transformera variabler Exercise 7: Förbättrar socker lyckan?Exercise 8: Konfoundrar Exercise 9: Experimentdesign Exercise 10: Studietyper Exercise 11: Longitudinella vs. tvärsnittstudier Exercise 12: Grattis!