Nhận diện các phân phối

Mẫu nào có khả năng cao nhất được lấy từ một phân phối đều (uniform)?

A: bell-shaped distribution, B: relatively flat distribution, C: lots of lower values, fewer high values

Bài tập này là một phần của khóa học

Nhập môn Thống kê với Python

Xem khóa học

Bài tập tương tác thực hành

Biến lý thuyết thành hành động với một trong các bài tập tương tác của chúng tôi

Bắt đầu bài tập

Bài tập này là một phần của khóa học

Nhập môn Thống kê với Python

SkillTag.level.intermediateSkillTag.label

4.8+

Bắt đầu khóa học miễn phí

Thống kê tóm tắt cung cấp cho bạn các công cụ để cô đọng những bộ dữ liệu khổng lồ và làm nổi bật phần cốt lõi. Trong chương này, bạn sẽ khám phá các thống kê tóm tắt như mean, median và standard deviation, và học cách diễn giải chúng chính xác. Bạn cũng sẽ rèn luyện tư duy phản biện để chọn được thống kê tóm tắt phù hợp nhất cho dữ liệu của mình.

Exercise 1: Thống kê là gì?Exercise 2: Thống kê mô tả và thống kê suy luận Exercise 3: Phân loại kiểu dữ liệu Exercise 4: Các thước đo trung tâm Exercise 5: Tính mean và median Exercise 6: Mean, median, và hình dạng phân phối Exercise 7: Các thước đo độ phân tán Exercise 8: Phương sai và độ lệch chuẩn Exercise 9: Tứ phân vị, phân vị và ngũ phân vị Exercise 10: Tìm outlier bằng IQR

Trong chương này, bạn sẽ học cách sinh mẫu ngẫu nhiên và đo lường khả năng xảy ra bằng xác suất. Bạn sẽ làm việc với dữ liệu bán hàng thực tế để tính xác suất một nhân viên bán hàng đạt thành công. Cuối cùng, bạn sẽ dùng phân phối nhị thức để mô hình hóa các sự kiện có kết cục nhị phân.

Exercise 1: Khả năng là bao nhiêu?Exercise 2: Có hoàn lại hay không hoàn lại?Exercise 3: Tính xác suất Exercise 4: Lấy mẫu các thương vụ Exercise 5: Phân phối rời rạc Exercise 6: Tạo một phân phối xác suất Exercise 7: Nhận diện các phân phối

Bài tập hiện tại

Exercise 8: Expected value vs. sample mean Exercise 9: Phân phối liên tục Exercise 10: Phân phối nào?Exercise 11: Sao lưu dữ liệu Exercise 12: Mô phỏng thời gian chờ Exercise 13: Phân phối nhị thức Exercise 14: Mô phỏng các thương vụ bán hàng Exercise 15: Tính xác suất nhị thức Exercise 16: Sẽ chốt được bao nhiêu thương vụ?

Đến lúc khám phá một trong những phân phối xác suất quan trọng nhất trong thống kê: phân phối chuẩn. Bạn sẽ tạo biểu đồ histogram để vẽ các phân phối chuẩn và hiểu về định lý giới hạn trung tâm, trước khi mở rộng kiến thức về các hàm thống kê với phân phối Poisson, phân phối mũ và phân phối t.

Exercise 1: Phân phối chuẩn Exercise 2: Phân phối doanh số của Amir Exercise 3: Xác suất từ phân phối chuẩn Exercise 4: Mô phỏng doanh số trong điều kiện thị trường mới Exercise 5: Thị trường nào tốt hơn?Exercise 6: Định lý giới hạn trung tâm Exercise 7: Visualizing sampling distributions Exercise 8: Định lý giới hạn trung tâm trong thực tế Exercise 9: Trung bình của các giá trị trung bình Exercise 10: Phân phối Poisson Exercise 11: Nhận diện lambda Exercise 12: Theo dõi phản hồi lead Exercise 13: Thêm các phân phối xác suất Exercise 14: Kéo thả phân phối Exercise 15: Mô hình hóa thời gian giữa các lead Exercise 16: Phân phối t

Trong chương này, bạn sẽ học cách định lượng mức độ mạnh của mối quan hệ tuyến tính giữa hai biến, và khám phá cách các biến gây nhiễu có thể ảnh hưởng đến mối quan hệ giữa hai biến khác. Bạn cũng sẽ thấy cách thiết kế nghiên cứu có thể tác động đến kết quả, thay đổi cách phân tích dữ liệu và có thể ảnh hưởng đến độ tin cậy của kết luận.

Exercise 1: Tương quan Exercise 2: Guess the correlation Exercise 3: Mối quan hệ giữa các biến Exercise 4: Những lưu ý về tương quan Exercise 5: Những gì tương quan không đo được?Exercise 6: Biến đổi biến số Exercise 7: Đường có làm con người hạnh phúc hơn không?Exercise 8: Biến gây nhiễu Exercise 9: Thiết kế thí nghiệm Exercise 10: Các loại nghiên cứu Exercise 11: Nghiên cứu dọc vs. cắt ngang Exercise 12: Chúc mừng bạn!