Varians och standardavvikelse

Varians och standardavvikelse är två av de vanligaste sätten att mäta spridningen hos en variabel, och i den här övningen får du träna på att beräkna dem. Spridning är viktig eftersom den kan hjälpa till att sätta förväntningar. Om en säljare till exempel säljer i genomsnitt 20 produkter per dag men har en standardavvikelse på 10 produkter, kommer det troligen att finnas dagar då de säljer 40 produkter – men också dagar då de bara säljer en eller två. Sådan information är värdefull, särskilt när man gör prognoser.

Biblioteken dplyr och ggplot2 är inlästa och food_consumption är tillgänglig.

Den här övningen är en del av kursen

Introduktion till statistik i R

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

___

Redigera och kör kod

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 Exercise 4: Centrummått Exercise 5: Medelvärde och median Exercise 6: Medelvärde vs. median Exercise 7: Spridningsmått Exercise 8: Varians och standardavvikelse

Aktuell övning

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!