Summary  
This chapter explains how to calculate sample variance by applying the n–1 denominator adjustment for subset data and demonstrates how to round and interpret its magnitude.  

General domain of usage  
Statistical data analysis

Nyt on aika tutustua **otosvarianssiin**. Vaikka käsite on samankaltainen kuin **perusjoukon varianssi**, kaava on hieman erilainen, koska data edustaa vain osajoukkoa koko perusjoukosta.

**Kaava**

Tarkastele varianssin esimerkkiä, joka on pyöristetty kahden desimaalin tarkkuudella sarakkeelle `'salary_in_usd'`:

Sarakkeen `'salary_in_usd'` varianssi on **5034932663.18**

### Varianssin päähuomio

`'salary_in_usd'`-sarakkeen varianssi on melko suuri, mikä osoittaa, että tämän sarakkeen arvot ovat **laajasti hajallaan**.

Mitä suurempi varianssi, sitä hajanaisempia arvot ovat.

Huomio

Valitse pienemmän varianssin omaava vaihtoehto kaavioista, joissa on yhtä monta havaintoa ja identtiset keskiarvot.

Tämä kurssi antaa sinulle perustiedot tilastotieteestä. Se on tarkoitettu opiskelijoille, joilla on perustiedot Pythonin syntaksista, sillä kurssilla työskennellään NumPy- ja pandas-moduulien kanssa. Kurssin aikana tutustut peruskäsitteisiin ja siirryt vähitellen monimutkaisempiin käsitteisiin ja tehtäviin.

Tässä osiossa käsitellään ensimmäistä todellista tilastollista tapausta: luottamusvälin määrittämistä. Tämä edellyttää NumPy-, pandas-, Matplotlib- ja Seaborn-kirjastojen tuntemusta matemaattisten kaavojen laskemiseen ja visualisointien rakentamiseen. Tässä osiossa teoriaa on vain vähän, mutta käytännön harjoituksia runsaasti!

Hypoteesin testaaminen on olennainen osa data-analyytikon työtä. Tämän osion suoritettuasi ymmärrät tilastollisen testaamisen perusidean ja osaat suorittaa t-testin Pythonilla.

Otosvarianssi

Varianssin päähuomio

Awesome!

Otosvarianssi

Varianssin päähuomio