I. Анализ данных

Анализ данных

I.1. Нормальное распределение +57

Большинство процессов достаточно точно описывается нормальным распределением. Нормальное распределение используется и в химии, и в физике и во многих других областях науки

I.2. Распределение Пуассона +39

Когда мы оперируем величиной количество событий в интервал времени, например, три бутерброда в день, то мы используем распределение Пуассона

I.3. Закон распределения случайной величины +16

Как математически описать, что в среднем мы пьём две чашки чая в день? Что в июне, скорее всего, будет +20? Что расход бензина будет 8л/100км? Закон распределение - это математическая модель событий

I.4. Параметры дискретного закона распределения +24

Основные параметры закона распределения: среднее, квантиль, отклонение, доверительный интервал

I.5. Биномиальное распределение +3

I.6. Статистическая гипотеза +5

С вероятностью 30% молоко скиснет до завтра. А завтра нужно продать три чашки молока. Стоит ли мне покупать новую бутылку? А что если я не куплю, а молоко скиснет? Статистическая гипотеза даст ответ в цифрах

I.7. Нормальность распределения +6

Некоторые утверждения строятся исходя из предпосылки, что распределение нормально, а как узнать, насколько нормально реальное распределение?

I.8. Дисперсионный анализ +37

Бывает так, что мы проводим ряд экспериментов, но не можем найти закономерность. Почему чай то вкусный, то нет? ANOVA - метод поиска причины изменения результата. Это качество чая или моё настроение?

I.9. Корелляционный анализ +4

Есть ли связь между изменениями величин? Два числа изменяются, но что бы сделать вывод о линейной зависимости изменения - необходимо прибегнуть к корелляционному анализу