Loading
Note di Apprendimento
Study Reminders
Support
Text Version

Introduzione alla statistica

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

In questa prima lezione, definiamo ciò che è la statistica, dove e come verrà utilizzata. Allora, abbiamo chiesto alla prima domanda quali sono le statistiche? La risposta è che le statistiche rispondono alle domande utilizzando dati o informazioni su una situazione. C'è anche questa parola chiamata statistica, e si può osservare che manca la s. La statistica è anche comunemente utilizzata e una statistica è una proprietà di dati. Ad esempio, una media semplice è una statistica, la mediana è una statistica. La statistica è una proprietà di dati o un parametro che rappresenta i dati in qualche forma. Statistiche che è il campo di cui stiamo parlando sono l'arte e la scienza dell'estrazione delle risposte dai dati. Pertanto, comprendiamo che i dati sono molto, molto importanti per imparare e capire le statistiche. Allora, perché studiamo le statistiche? Le statistiche aiutano nel processo decisionale in un ambiente incerto. Ci sono momenti che aiuta anche a prendere decisioni in certezza. Principalmente lo scopo è quello di prendere buone decisioni e prendere buone decisioni con i dati. Perché le decisioni prese utilizzando i dati sono importanti e possono essere coerenti rispetto alle decisioni che vengono prese attraverso le opinioni. Pertanto, dobbiamo prendere decisioni usando modelli che coinvolgono dati, e le statistiche come campo di studio ci forniscono metodi di modelli che ci aiutano a prendere buone decisioni usando i dati. Pertanto raccogliamo e analizziamo i dati per prendere le decisioni. A volte raccogliamo i dati e non saremo in grado di coprire l'intera popolazione come si chiama. Così, raccogliamo i dati da campioni raccogliamo i dati da sottoinsiemi della popolazione. Raccogliamo i dati dai campioni e poi cerchiamo di capire qualcosa sulla popolazione analizzando i dati raccolti da o raccolti utilizzando campioni. Allora, cosa sono la popolazione e il campione? La popolazione è un insieme completo di tutti gli articoli che interessano un investigatore. La dimensione della popolazione generalmente densa di N o maiuscola N, può essere molto grande e a volte addirittura infinita. Ad esempio, se vogliamo guardare a quella che è l'altezza media delle persone nel mondo, allora ci rendiamo conto che la popolazione è grande, molto grande. Mentre, un campione è un sottoinsieme osservato della popolazione. È anche importante notare la notazione che abbiamo utilizzato. Così, un campione ha un piccolo n o un minuscolo n; mentre, la popolazione ha una grande N o maiuscola o maiuscola N. Questo ci porta a cose semplici come i nostri campioni scelti sono scelti casualmente, a volte vengono scelti sistematicamente, e molti altri modi o quello che è un campione casuale. Dobbiamo anche capire due parole più usate comunemente - un parametro e una statistica. Abbiamo già usato o visto la parola statistica, abbiamo visto il significato della parola statistica. Ora andiamo sul parametro è una caratteristica della popolazione. La statistica è una caratteristica specifica di un campione. Ad esempio, se la media è ciò che stiamo guardando, la media della popolazione sarà un parametro. E la media del campione sarà una statistica. La media della popolazione utilizziamo la notazione µ; mentre, la media campione utilizzeremmo il notationxax. Quindi, ci occuperemmo di statistiche come le medie del campione e così via. E ci sono modelli in cui possiamo provare e stimare i parametri della popolazione utilizzando i dati raccolti dai campioni, oppure usare le statistiche dai campioni. Iniziamo con un semplice esercizio per capire un paio di cose. Diciamo che una compagnia aerea sostiene che meno del 5% di voli è voli dall'aeroporto di Delhi in ritardo. Da un campione di 100 voli si è osservato che sono stati trovati 6 voli per discostarsi in ritardo. Guardiamo a questa frase e cerchiamo di capire, qual è la popolazione? Qual è il campione? Qual è la statistica, ad esempio 6% è un parametro o una statistica? Quindi, legtiamo di nuovo la sentenza, una compagnia aerea sostiene che meno del 5% dei suoi voli dall'aeroporto di Delhi partono in ritardo. Quindi, possiamo supporre che la popolazione, in questo caso, siano tutti i voli che partono dall'aeroporto di Delhi. Fuori da questi 100 voli sono stati raccolti dati su 100 voli, il che significa che il campione, in questo caso, è di 100. Piccolo n è 100 di capitale N è grande molto grande. E poi si è osservato che 6 voli sono stati trovati per discostarsi in ritardo. I 6 voli sono in realtà una statistica che abbiamo trovato dal campione. E così, le risposte sono popolazione, in questo caso sono i tutti i voli che partono dall'aeroporto di Delhi. La capitale campata un piccolo n pari a 100 sono i voli per i quali sono stati presi dati; 6% che si osserva ipotizzando che questo 6% o 6 voli su 100 siano stati osservati allora diventa una statistica. Ora, tornando al campo delle statistiche, abbiamo 2 ampie tipologie di modelli in statistica, queste sono chiamate statistiche descrittive e statistiche inferenziali. Quindi, le statistiche descrittive utilizzano procedure grafiche e numeriche per riepilogare i dati e per trasformare i dati in informazioni. Le statistiche inferenziali forniscono una base per le previsioni di previsione e le stime che vengono utilizzate per trasformare le informazioni in conoscenza. Così, inizieremo con le statistiche descrittive di apprendimento. E in questo particolare corso, qualunque sia la statistica che analizzeremo sono descrittive, e non ci occuperemo di statistiche inferenziali in questo corso. Così, un esempio di statistiche descrittive, esempio numero di clienti così, visitate una gioielleria negli ultimi 10 giorni viene data - 83 80 79 85 e così via. Possiamo descrivere questi dati in molte forme possiamo provare a capire qualcosa da questi dati. Ad esempio, si potrebbe dire che guardando a questi dati, i primi 5 giorni non abbiamo trovato troppo una variazione. Mentre i prossimi 3 giorni, abbiamo trovato molta variazione. Tra i 3 giorni c'era poca variazione, ma rispetto ai primi 5 c'è un aumento e poi c'è una riduzione. Quindi, alcune cose che potremmo osservare sono i primi 5 giorni potrebbero essere il lunedì attraverso il venerdì. Il prossimo 2 potrebbe essere un sabato domenica. Il terzo forse potrebbe essere una vacanza, quindi, il numero di persone è aumentato, per poi tornare a giorni lavorativi e così via. Così, possiamo provare e descrivere qualcosa dai dati che in realtà abbiamo. Come si fa? Un po' più formalmente vedremo mentre ci muoviamo in questo corso. Quindi, alcune semplici cose per fare inferenze. Stima di un'età media dei clienti. Testando un'ipotesi ad esempio, è vero che le vendite del fine settimana sono superiori rispetto alle vendite del weekend diverse persone che visiti il negozio durante i weekend e le vacanze sono molto più alte di quelle che visiti durante i giorni normali. Un'altra inferenza potrebbe essere come fare per fare una previsione della vendita per il mese successivo utilizzando alcuni dati passati o vecchi. Ecco, questi sono alcuni esempi di inferenze. E come ho sottolineato non saremmo a guardare i modelli per farlo in questo corse.considerando che, saremmo a guardare modelli che descriverebbero i dati, ad esempio, forse la prima parte che trova la media e così via. Ora, cosa possiamo fare di più con i dati? La prima cosa che i dati fanno o noi con i dati è confrontare. Ad esempio possiamo paragonare un ragazzo di 6 piedi 3 a un ragazzo di 5 metri, e dire che questo ragazzo è più alto più alto. Potremmo paragonare uno studente con una CGPA del 9,4 con un altro studente con una CGPA of7.8. E magari arrivare a una conclusione o arrivare a una decisione, che lo studente con la CGPAdel 9,4 abbia svolto accademia meglio dello studente con la CGPA del 7,8. Possiamo paragonare 2 persone, una si farebbe avere un reddito di 24 lakhs all'anno a un altro che ha un reddito di 8 lakhs all'anno, per poi concludere che la prima persona guadagna più della seconda persona. Potremmo confrontare diversi tipi di auto, e poi formare un certo giudizio dicendo che questa persona ha un'auto a costlier che è costata rispetto all'altra auto. Potremmo paragonare una donna di 70 anni a una donna di 20 anni e confrontare che questa persona è più anziana dell'altra: potremmo paragonare 2 persone, uno potrebbe essere un ministro l'altro potrebbe essere un professore e dire che hanno diverse professioni. Ognuno di loro gode di un certo privilegio nella società e prende parte a determinati tipi di decisioni che ne favorirebbero la società. Quindi, i dati ci aiutano a confrontarci, e questo vi abbiamo dato esempi di come si possono utilizzare diversi dati da confrontare. I dati ci aiutano anche ad infettare o interpretare. Tornando allo stesso esempio, il ragazzo di 6 metri da 3 pollici è più alto dell'altro. La CGPA del 9,4 può essere presa come più intelligente dell'altra. Anche se uno potrebbe dire si è svolto meglio dell'altro. La persona da 24 lakh si può dire più ricca della persona il cui reddito è di 8 lakhs. La persona che guida un'auto migliore, si può dire che l'abbordabilità è più alta, e si potrebbe paragonare la salute di una persona di 70 anni a una persona di 20 anni, e si potrebbe confrontare il potere che un ministro ha rispetto a quello che un professore avrebbe avuto. Pertanto, i dati ci aiutano ad infetterlo o a interpretarlo. Ci saremmo anche volte a volte che questi dati ci aiutano a rispondere alle domande. E alcune di queste domande potrebbero essere come faccio a pagare questa auto o come faccio a pagare un biglietto aereo. Quanto il cliente è disposto a pagare per qualcosa? Dove devo tagliare la mia ammissione se faccio l'ammissione per un corso? Quanto dovrebbe essere dura la mia carta di domanda, se sono un docente di corso, quando devo offrire uno sconto, se possidico un negozio e vendo cose? Quale deve essere la capacità dell'impianto di produzione? E quanto si pubblicizza in quando e ho un evento come una tazza del mondo o qualsiasi cosa. A tutte queste domande viene anche risposto utilizzando i dati, e quindi, vi abbiamo dato un campione di questi tipi di domande. Ci sono un paio di cose in più che dobbiamo guardare a uno dovrebbe capire che c'è molta variazione nei dati. E tutti gli esempi che abbiamo visto dove abbiamo guardato i dati e poi hanno fatto alcune semplici inferenze, hanno anche il confronto essenzialmente prezzo per catturare la variazione dei dati. Quindi, variazione di altezza, variazione di peso, variazione livello di istruzione livello affordabilità della ricchezza sanitaria, e così via. L'altro aspetto che dobbiamo guardare sono alcune dipendenze derivanti dal modello building do questi parametri, avere un comportamento lineare o un comportamento non lineare o fare modelli diversi richiedono diversi tipi di dati. Dobbiamo capire tutti questi aspetti man mano che ci muoviamo. Quindi, potremmo pensare a questo punto, che tipo di dati sarebbero richiesti per gli eventi di pianificazione. Un esempio semplice potrebbe essere uno potrebbe pensare a se un istituto educativo desidera avere interviste per selezionare gli studenti MBA a Mumbai, che tipo di dati richiediamo? Sarebbe un buon esercizio per capire il numero di cose che abbiamo visto fino ad ora. Potrebbe, ad esempio, iniziare con me appena dato alcuni esempi, potrebbe, ad esempio, iniziare con la tempistica che potrebbe iniziare con il numero di giorni ..Il numero di studenti che saranno chiamati per il colloquio numero di giorni l'intervista che i possibili luoghi, se per esempio, un IIT lo fa lo faremmo in un altro IIT. Oppure lo facciamo in qualche altro luogo che è disponibile alcune altre istituzioni dove è disponibile qualche spazio. Potrebbe anche dipendere, come ho detto il numero di studenti o candidati che si chiamerà per l'intervista, i timings, la location.Quindi, tutti questi si tradurrebbero in diversi tipi di dati che sono tenuti a svolgere un esercizio. Un altro esempio potrebbe essere uno studente aspirante a studiare MBA e potrebbe voler porre una domanda che sono gli istituti da applicare per MBA.So, quali tipi di dati sono richiesti lì? Così, la lista dei collegi che offrono un MBA, gli esami di qualificazione per ognuno di essi, ci sono più esami o fanno tutti passare attraverso lo stesso esame di ingresso. I compensi che queste istituzioni avrebbero addebito, il numero dei posti disponibili in ciascuno. L'importanza è data a vari aspetti come l'esperienza lavorativa. Quindi, un buon esercizio a questo punto è quello di sedersi e scrivere circa 10 pezzi di dati richiesti per qualsiasi situazione. E ho appena descritto 2 situazioni in questo momento. Quindi, potremmo pensare a diversi esempi di business per i quali potremmo fare questo esercizio per esempio, se si guarda a condurre un grande evento come l'IPL. Si potrebbe tornare indietro e scrivere circa 20, 30 diversi tipi di dati. Questo potrebbe essere richiesto per prendere qualsiasi decisione in merito. Quali potrebbero essere i dati richiesti? Uno deve capire le dipendenze sui dati, e si potrebbe anche guardare alle aste anche player come separati.