Identifiera fördelningar

Att känna igen typen av fördelning är mycket viktigt när du analyserar data, vilket du kommer att lära dig längre fram i kursen.

Du har fått en bild med tre sannolikhetsfördelningar som tagits fram från urval av olika datamängder. Din uppgift är att avgöra vilket urval som troligast kommer från en likformig fördelning.

three_plots, first_showing_a_distribution_with_a_large_peak_on_the_left,second_showing_a_uniform_distribution_and_third_showing_a_symmetrical_distribution_peaking_in_the_middle.png

Den här övningen är en del av kursen

Introduktion till statistik

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

SkillTag.level.beginnerSkillTag.label

4.8+

Starta kursen gratis

Sammanfattande statistik ger dig de verktyg du behöver för att beskriva dina data. I det här kapitlet utforskar du sammanfattande mått som medelvärde, median och standardavvikelse, och lär dig att tolka dem korrekt. Du utvecklar också ditt kritiska tänkande så att du kan välja de mest lämpliga sammanfattande måtten för dina data.

Exercise 1: Vad är statistik?Exercise 2: Statistik i praktiken Exercise 3: Identifiera datatyper Exercise 4: Deskriptiv vs. inferentiell statistik Exercise 5: Centrummått Exercise 6: Typiskt antal rån per Londondistrikt Exercise 7: Välja ett centralmått Exercise 8: Londonstadsdelar med mest frekventa brott Exercise 9: Spridningsmått Exercise 10: Definiera spridningsmått Exercise 11: Lådagram för att mäta spridning Exercise 12: Vilket brott har den större standardavvikelsen

Sannolikhet utgör en stor del av statistiken och används för att beräkna chansen att händelser inträffar. Du arbetar med verkliga försäljningsdata och lär dig hur data med olika värden kan tolkas som en sannolikhetsfördelning. Du får lära dig om diskreta och kontinuerliga sannolikhetsfördelningar, inklusive normalfördelningen och hur den ofta förekommer i naturliga sammanhang!

Exercise 1: Vad är chansen?Exercise 2: Vad är mest sannolikt?Exercise 3: Sannolikheten att nästa försäljning överstiger medelvärdet Exercise 4: Betingad sannolikhet Exercise 5: Beroende och oberoende händelser Exercise 6: Order med fler än 10 korgprodukter Exercise 7: Diskreta fördelningar Exercise 8: Identifiera fördelningar

Aktuell övning

Exercise 9: Urvalets medelvärde vs. teoretiskt medelvärde Exercise 10: Kontinuerliga fördelningar Exercise 11: Diskreta och kontinuerliga fördelningar Exercise 12: Hitta normalfördelningen Exercise 13: Sannolikhet med en likformig fördelning

Nu är det dags att utforska fler sannolikhetsfördelningar. Du lär dig om binomialfördelningen för att visualisera sannolikheten för binära utfall, samt en av de viktigaste fördelningarna inom statistiken – normalfördelningen. Du ser hur fördelningar kan beskrivas utifrån sin form, och du lär dig om Poissonfördelningen och dess roll i att beräkna sannolikheter för händelser som inträffar över tid. Du får också en förståelse för centrala gränsvärdessatsen!

Exercise 1: Binomialfördelningen Exercise 2: Känna igen en binomialfördelning Exercise 3: Hur sannolikheten påverkar binomialfördelningen Exercise 4: Identifiera n och p Exercise 5: Normalfördelningen Exercise 6: Känna igen normalfördelningen Exercise 7: Vad gör normalfördelningen speciell?Exercise 8: Identifiera skevhet Exercise 9: Beskriva fördelningar med hjälp av kurtosis Exercise 10: Centrala gränsvärdessatsen Exercise 11: Visualisera samplingfördelningar Exercise 12: Centrala gränsvärdessatsen vs. de stora talens lag Exercise 13: När ska man använda centrala gränsvärdessatsen Exercise 14: Poissonfördelningen Exercise 15: Identifiera Poissonprocesser Exercise 16: Identifiera lambda i Poissonfördelningen

I det avslutande kapitlet introduceras du till hypotesprövning och hur den kan användas för att dra välgrundade slutsatser om en population. Du lär dig om korrelation och hur den kan användas för att kvantifiera ett linjärt samband mellan två variabler. Du får bekanta dig med experimentdesigntekniker som randomisering och blindning. Du lär dig också om begrepp som används för att minimera risken att dra fel slutsatser från hypotesprövningar!

Exercise 1: Hypotesprövning Exercise 2: Solsken och sömn Exercise 3: Arbetsflödet för hypotestestning Exercise 4: Oberoende och beroende variabler Exercise 5: Experiment Exercise 6: Identifiera kontrollerade försök Exercise 7: Varför använda randomisering?Exercise 8: Korrelation Exercise 9: Identifiera korrelation mellan variabler Exercise 10: Vad kan korrelation berätta för dig?Exercise 11: Störvariabler Exercise 12: Tolka resultat från hypotestester Exercise 13: Signifikansnivåer kontra p-värden Exercise 14: Typ I- och typ II-fel Exercise 15: Grattis!