Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lära Undersök Datasetet | Medelvärde, Median och Typvärde med Python
Lära Sig Statistik med Python
course content

Kursinnehåll

Lära Sig Statistik med Python

Lära Sig Statistik med Python

1. Grundläggande Begrepp
Stickprov kontra PopulationTyper av StatistikDatatyperMedelvärdeMedianvärdeMedianvärde för ett jämnt antal värdenMedelvärde eller MedianTypvärdeQuiz om Beskrivande Statistik
2. Medelvärde, Median och Typvärde med Python
Undersök DatasetetBeräkning av Medelvärde och Medianvärde med PythonStatistik med PandasBeräkna Medel- och Medianlön
3. Varians och Standardavvikelse
PopulationsvariansStickprovsvariansBeräkna Varians med PythonStandardavvikelseStandardavvikelse med PythonBeräkning av varians och standardavvikelse
4. Kovarians vs Korrelation
KovariansKorrelationQuiz om Kovarians och KorrelationBeräkna Kovarians och Korrelation
5. Konfidensintervall
Utforska DatamängdenKonfidensintervallBeräkning av Konfidensintervall med PythonQuiz om Konfidensintervallens BreddBeräkna 95 % KonfidensintervallAvancerad Konfidensintervallberäkning med PythonMatcha Funktionerna
6. Statistisk Testning
Vad är t-testHypoteserT-test MatematisktEnkelriktat och Dubbelriktat TestAntaganden för T-testUtföra ett t-test i PythonUtföra ett t-testParat t-test

book
Undersök Datasetet

I denna sektion kommer ett urval av IT-specialisters löner att analyseras. Börja med att granska de fem första observationerna i datamängden:

  • work_year - året då lönen betalades ut;

  • experience_level - erfarenhetsnivå: EN är nybörjarnivå, MI är mellannivå, SE är seniornivå, EX är exekutiv nivå;

  • job_title - yrkestitel;

  • salary - lönebelopp;

  • salary_currency - lönevaluta;

  • salary_in_usd - lönebelopp i USD;

  • company_location - företagets plats;

  • company_size - företagets storlek: S-Liten, M-Mellan, L-Stor.

Nu följer en genomgång av datatyper inom statistik, följt av en aktivitet där varje kolumnnamn ska matchas med motsvarande datatyp.

question-icon

Matcha kolumnnamnet med dess typ.

work_year
experience_level
salary_currency
salary_in_usd
company_size

Click or drag`n`drop items and fill in the blanks

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 1

Fråga AI

expand

Fråga AI

ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

course content

Kursinnehåll

Lära Sig Statistik med Python

Lära Sig Statistik med Python

1. Grundläggande Begrepp
Stickprov kontra PopulationTyper av StatistikDatatyperMedelvärdeMedianvärdeMedianvärde för ett jämnt antal värdenMedelvärde eller MedianTypvärdeQuiz om Beskrivande Statistik
2. Medelvärde, Median och Typvärde med Python
Undersök DatasetetBeräkning av Medelvärde och Medianvärde med PythonStatistik med PandasBeräkna Medel- och Medianlön
3. Varians och Standardavvikelse
PopulationsvariansStickprovsvariansBeräkna Varians med PythonStandardavvikelseStandardavvikelse med PythonBeräkning av varians och standardavvikelse
4. Kovarians vs Korrelation
KovariansKorrelationQuiz om Kovarians och KorrelationBeräkna Kovarians och Korrelation
5. Konfidensintervall
Utforska DatamängdenKonfidensintervallBeräkning av Konfidensintervall med PythonQuiz om Konfidensintervallens BreddBeräkna 95 % KonfidensintervallAvancerad Konfidensintervallberäkning med PythonMatcha Funktionerna
6. Statistisk Testning
Vad är t-testHypoteserT-test MatematisktEnkelriktat och Dubbelriktat TestAntaganden för T-testUtföra ett t-test i PythonUtföra ett t-testParat t-test

book
Undersök Datasetet

I denna sektion kommer ett urval av IT-specialisters löner att analyseras. Börja med att granska de fem första observationerna i datamängden:

  • work_year - året då lönen betalades ut;

  • experience_level - erfarenhetsnivå: EN är nybörjarnivå, MI är mellannivå, SE är seniornivå, EX är exekutiv nivå;

  • job_title - yrkestitel;

  • salary - lönebelopp;

  • salary_currency - lönevaluta;

  • salary_in_usd - lönebelopp i USD;

  • company_location - företagets plats;

  • company_size - företagets storlek: S-Liten, M-Mellan, L-Stor.

Nu följer en genomgång av datatyper inom statistik, följt av en aktivitet där varje kolumnnamn ska matchas med motsvarande datatyp.

question-icon

Matcha kolumnnamnet med dess typ.

work_year
experience_level
salary_currency
salary_in_usd
company_size

Click or drag`n`drop items and fill in the blanks

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 1
some-alt