Merkezî eğilim ölçüleri

Betimsel istatistiklerin temel amacı verilerin özetini sunmaktır. Mülakatta elindeki veriyi hızlıca kavraman gerektiğinde betimsel istatistikler işine yarayabilir.

En bilinen betimsel istatistik türleri merkezî eğilim ölçüleridir; diğer adıyla merkezilik ölçüleri.

Bu egzersizde MASS paketindeki cats veri kümesiyle çalışacaksın. cats veri kümesi aşağıdaki değişkenleri içerir:

Sex - cinsiyet,
Bwt - vücut ağırlığı ve
Hwt - kalp ağırlığı

evcil kediler için.

Merkezî eğilim ölçülerini hesaplayarak verilerin çarpıklığı hakkında soruları yanıtlayabileceksin.

Çarpık dağılımlarda aritmetik ortalama ile medyan arasındaki ilişkiyi hatırla:

Veri kümesi cats olarak önceden yüklendi.

Bu egzersiz

R ile İstatistik Mülakat Soruları Pratiği

kursunun bir parçasıdır

Kursu Görüntüle

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Compute the average of Hwt
___(cats$Hwt)

# Compute the median of Hwt
___(___)

Kodu Düzenle ve Çalıştır

Bu egzersiz

R ile İstatistik Mülakat Soruları Pratiği

kursunun bir parçasıdır

AvançadoNível de habilidade

4.7+

Kursa Ücretsiz Başlayın

Want to increase your odds of acing your job interview? If so, brush up on your knowledge of probability theory. In this chapter, we'll roll dice and shoot baskets to explain probabilities using real-life examples.

Exercise 1: Discrete distributions Exercise 2: Probability functions Exercise 3: Bernoulli trials Exercise 4: Binomial distribution Exercise 5: Continuous distributions Exercise 6: Uniform distribution Exercise 7: Shape of normal distribution Exercise 8: Sample from normal distribution Exercise 9: Central limit theorem Exercise 10: Law of large numbers Exercise 11: Simulating central limit theorem

If the job description appeals to you review descriptive statistics before the interview. In this chapter, you will practice exploratory data analysis (EDA) using natural gas prices and data from a survey analysis.

Exercise 1: Betimsel istatistikler Exercise 2: Merkezî eğilim ölçüleri

Geçerli Egzersiz

Exercise 3: Değişkenlik ölçüleri Exercise 4: Kategorik veriler Exercise 5: Anket analizi Exercise 6: Veri kodlama Exercise 7: Zaman serileri Exercise 8: Zaman serisi nesnesi Exercise 9: Zaman serilerini düzenleme Exercise 10: Temel Bileşen Analizi Exercise 11: PCA - döndürme Exercise 12: PCA - boyut indirgeme

March confidently into your job interview after reviewing confidence intervals. We'll review the t-test, ANOVA, and normality tests to prepare you for statistics-based coding questions.

Exercise 1: Normality tests Exercise 2: Shapiro-Wilk test Exercise 3: Q-Q plot Exercise 4: Inference for a mean Exercise 5: Confidence interval Exercise 6: One-sample t-test Exercise 7: Comparing two means Exercise 8: Two-sample t-test Exercise 9: Paired test Exercise 10: ANOVA Exercise 11: Comparing groups Exercise 12: ANOVA for plant growth

Is your potential employer planning to test your R skills? Make sure you’re prepared and practice model evaluation beforehand. In this chapter, we will fit and evaluate linear and logistic regression models using various biomedical datasets. By the end of this chapter, you’ll be fully prepared to answer any question the interviewer throws your way!

Exercise 1: Covariance and correlation Exercise 2: Covariance by hand Exercise 3: Linear relationship Exercise 4: Nonlinear relationship Exercise 5: Linear regression model Exercise 6: Fitting linear models Exercise 7: Predicting with linear models Exercise 8: Logistic regression model Exercise 9: Fitting logistic models Exercise 10: Predicting with logistic models Exercise 11: Model evaluation Exercise 12: Validation set approach Exercise 13: Regression evaluation Exercise 14: Classification evaluation Exercise 15: Wrapping up