Zaman serilerini düzenleme

Son egzersizde, benzin fiyatları için bir xts nesnesi oluşturdun. Bu egzersizde 2014 yılına daha yakından bakacaksın.

Bir zaman serisi nesnesini bir tarih vektörüyle indeksleyebilirsin. Aşağıdaki kod

dates <- c(as.Date("2014-06-30"), as.Date("2014-12-31"))
gas_ts[dates]

gas_ts nesnesinin 2014 Haziran ve Aralık aylarının son günlerine ait verileri döndürür. seq() fonksiyonunun tarihler için de kullanılabildiğini unutma.

xts paketi, örtüşmeyen dönemlere bir fonksiyon uygulayan bir dizi fonksiyon içerir; örneğin haftalık, aylık vb. Mesela,

apply.yearly(gas_ts, max)

her yıl için en yüksek benzin fiyatını döndürür.

gas_ts nesnesi çalışma alanında mevcut.

Bu egzersiz

R ile İstatistik Mülakat Soruları Pratiği

kursunun bir parçasıdır

Kursu Görüntüle

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

library(xts)

# Create the sequence of dates
dates_2014 <- ___(from = ___(___), ___ = as.Date("2014-12-31"), by = "1 day")

# Subset the time series
gas_2014 <- gas_ts[___]

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 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

Geçerli Egzersiz

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