Ortalamaların ortalaması

Bir anlaşma başına ortalama kullanıcı sayısının (num_users) ne olduğunu bilmek istiyorsun, ama bunu tüm şirket için bilmek istiyorsun ki Amir'in anlaşmalarında kullanıcı sayısı şirketin ortalama anlaşmasına göre daha mı fazla, daha mı az görebilesin. Sorun şu ki, son bir yılda şirket on binden fazla anlaşma üzerinde çalıştı, bu yüzden tüm verileri derlemek gerçekçi değil. Bunun yerine, tüm şirketten veri toplamak çok daha zor olduğu için, birkaç rastgele anlaşma örneği alıp bu örneklerin ortalamasını hesaplayarak genel ortalamayı tahmin edeceksin.

Şirketin tüm anlaşmalarına ait kullanıcı verileri all_deals içinde mevcut.

Bu egzersiz

R ile İstatistiğe Giriş

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Rastgelelik tohumunu 321 olarak ayarla.
all_deals$num_users içinden büyüklüğü 20 olan 30 örnek al ve her örneğin ortalamasını hesapla. Örnek ortalamalarını sample_means içinde sakla.
sample_means'in ortalamasını al.
amir_deals veri çerçevesindeki num_users sütununun ortalamasını al.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Set seed to 321
___

# Take 30 samples of 20 values of num_users, take mean of each sample
sample_means <- ___(___, ___(___, ___) %>% mean())

# Calculate mean of sample_means
___

# Calculate mean of num_users in amir_deals
___

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 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

Geçerli Egzersiz

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!