Yeni piyasa koşullarında satışları simüle etmek

Şirketin finans analisti, gelecek çeyrekte her satışın değerinin %20 artacağını ve her satışın değerindeki oynaklığın (standart sapmanın) %30 artacağını öngörüyor. Amir’in satışlarının bu yeni piyasa koşullarında gelecek çeyrekte nasıl görünebileceğini görmek için, normal dağılımı kullanarak yeni satış tutarları simüle edecek ve bunları senin için önceden oluşturulmuş new_sales veri çerçevesinde saklayacaksın.

Ayrıca, dplyr ve ggplot2 kütüphaneleri yüklenmiş durumda.

Bu egzersiz

R ile İstatistiğe Giriş

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Şu anda Amir’in ortalama satış tutarı $5000. %20 artarsa yeni ortalama tutarı hesapla ve new_mean içine kaydet.
Amir’in mevcut standart sapması $2000. %30 artarsa yeni standart sapmayı hesapla ve new_sd içine kaydet.
new_sales veri çerçevesine amount adlı yeni bir sütun ekle. Bu sütun, ortalaması new_mean ve standart sapması new_sd olan normal dağılımdan simüle edilmiş 36 tutar içermeli.
new_sales içindeki amount dağılımını, 10 kutucuklu (bins) bir histogram kullanarak görselleştir.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Calculate new average amount
new_mean <- ___

# Calculate new standard deviation
new_sd <- ___

# Simulate 36 sales
new_sales <- new_sales %>% 
  mutate(amount = ___)

# Create histogram with 10 bins
___

Kodu Düzenle ve Çalıştır

Bu egzersiz

R ile İstatistiğe Giriş

kursunun bir parçasıdır

IntermediárioNível de habilidade

4.8+

Kursa Ücretsiz Başlayın

Summary statistics gives you the tools you need to boil down massive datasets to reveal the highlights. In this chapter, you'll explore summary statistics including mean, median, and standard deviation, and learn how to accurately interpret them. You'll also develop your critical thinking skills, allowing you to choose the best summary statistics for your data.

Exercise 1: What is statistics?Exercise 2: Descriptive and inferential statistics Exercise 3: Data type classification Exercise 4: Measures of center Exercise 5: Mean and median Exercise 6: Mean vs. median Exercise 7: Measures of spread Exercise 8: Variance and standard deviation Exercise 9: Quartiles, quantiles, and quintiles Exercise 10: Finding outliers using IQR

In this chapter, you'll learn how to generate random samples and measure chance using probability. You'll work with real-world sales data to calculate the probability of a salesperson being successful. Finally, you’ll use the binomial distribution to model events with binary outcomes.

Exercise 1: What are the chances?Exercise 2: With or without replacement?Exercise 3: Calculating probabilities Exercise 4: Sampling deals Exercise 5: Discrete distributions Exercise 6: Creating a probability distribution Exercise 7: Identifying distributions Exercise 8: Expected value vs. sample mean Exercise 9: Continuous distributions Exercise 10: Which distribution?Exercise 11: Data back-ups Exercise 12: Simulating wait times Exercise 13: The binomial distribution Exercise 14: Simulating sales deals Exercise 15: Calculating binomial probabilities Exercise 16: How many sales will be won?

It’s time to explore one of the most important probability distributions in statistics, normal distribution. You’ll create histograms to plot normal distributions and gain an understanding of the central limit theorem, before expanding your knowledge of statistical functions by adding the Poisson, exponential, and t-distributions to your repertoire.

Exercise 1: Normal dağılım Exercise 2: Amir'in satışlarının dağılımı Exercise 3: Normal dağılımdan olasılıklar Exercise 4: Yeni piyasa koşullarında satışları simüle etmek

Geçerli Egzersiz

Exercise 5: Hangi pazar daha iyi?Exercise 6: Merkezi limit teoremi Exercise 7: Örnekleme dağılımlarını görselleştirme Exercise 8: CLT iş başında Exercise 9: Ortalamaların ortalaması Exercise 10: Poisson dağılımı Exercise 11: Lambda’yı belirleme Exercise 12: Potansiyel yanıtlarını izleme Exercise 13: Daha fazla olasılık dağılımı Exercise 14: Çok fazla dağılım Exercise 15: Aday müşteriler arasındaki süreyi modelleme Exercise 16: t-dağılımı

In this chapter, you'll learn how to quantify the strength of a linear relationship between two variables, and explore how confounding variables can affect the relationship between two other variables. You'll also see how a study’s design can influence its results, change how the data should be analyzed, and potentially affect the reliability of your conclusions.

Exercise 1: Correlation Exercise 2: Guess the correlation Exercise 3: Relationships between variables Exercise 4: Correlation caveats Exercise 5: What can't correlation measure?Exercise 6: Transforming variables Exercise 7: Does sugar improve happiness?Exercise 8: Confounders Exercise 9: Design of experiments Exercise 10: Study types Exercise 11: Longitudinal vs. cross-sectional studies Exercise 12: Congratulations!