אורח מצב צפייה מבחן: מבוא לסטטיסטיקה תיאורית: מתקדם
מספר שאלות: 40
ניקוד כולל: 100.00 נק'
שאלה 1
2.50 נק'

📊 התפלגות תדירות:
מהי התפלגות תדירות (Frequency Distribution)?

הסבר:

💡 הסבר מפורט:

התפלגות תדירות 🔍

דוגמה: התפלגות ציוניםציוןתדירות90-100580-891270-798

תשובה נכונה: טבלה המציגה כמה פעמים כל ערך/קטגוריה מופיע בנתונים

שאלה 2
2.50 נק'

📊 תדירות מצטברת:
מהי תדירות מצטברת (Cumulative Frequency)?

הסבר:

💡 הסבר מפורט:

תדירות מצטברת 🔍

תדירות מצטברת:

סכום כל התדירויות
מהערך הנמוך ביותר
עד הערך הנוכחי

דוגמה:
ציונים: 60(3), 70(5), 80(4)

תדירות רגילה: 3, 5, 4
תדירות מצטברת: 3, 8, 12

שימוש: מציאת אחוזונים

תשובה נכונה: סכום התדירויות עד ערך מסוים כולל

שאלה 3
2.50 נק'

📊 תדירות יחסית:
מהי תדירות יחסית (Relative Frequency)?

הסבר:

💡 הסבר מפורט:

תדירות יחסית 🔍

נוסחה:

תדירות יחסית = תדירות / n

דוגמה:
20 תלמידים, 5 קיבלו 100

תדירות: 5
תדירות יחסית: 5/20 = 0.25 = 25%

סכום כל התדירויות היחסיות = 1 (או 100%)

תשובה נכונה: תדירות חלקי סה״כ (כשיעור או אחוז)

שאלה 4
2.50 נק'

📊 היסטוגרמה:
מהי היסטוגרמה?

הסבר:

💡 הסבר מפורט:

היסטוגרמה 🔍

היסטוגרמה (Histogram):

גרף עמודות לנתונים רציפים

מאפיינים:
• ציר X: טווחי ערכים (bins)
• ציר Y: תדירות
• אין רווחים בין עמודות
   (כי הנתונים רציפים)

שימוש: לראות צורת התפלגות

לא: bar chart (יש רווחים)

תשובה נכונה: גרף עמודות לנתונים רציפים בקבוצות (בלי רווחים בין עמודות)

שאלה 5
2.50 נק'

📊 Bar Chart:
מה ההבדל בין Bar Chart להיסטוגרמה?

הסבר:

💡 הסבר מפורט:

Bar Chart vs היסטוגרמה 🔍

Bar Chart vs היסטוגרמהBar Chart✓ קטגוריות (שמי/סדר)✓ יש רווחים✓ ניתן לסדר מחדשדוגמה: מכירות לפי חודשהיסטוגרמה✓ נתונים רציפים✓ אין רווחים✓ סדר קבועדוגמה: גבהים

תשובה נכונה: Bar Chart לקטגוריות (עם רווחים), היסטוגרמה לרציפים (בלי רווחים)

שאלה 6
2.50 נק'

📊 פוליגון תדירות:
מהו פוליגון תדירות (Frequency Polygon)?

הסבר:

💡 הסבר מפורט:

פוליגון תדירות 🔍

פוליגון תדירות:

גרף קווים שמחבר נקודות
שמייצגות תדירויות

יצירה:
1. חשב אמצע כל קבוצה
2. סמן נקודה בגובה התדירות
3. חבר בקווים

יתרון: קל להשוות התפלגויות

שימוש: חלופה להיסטוגרמה

תשובה נכונה: גרף קווים המחבר נקודות אמצע של כל קבוצה בגובה התדירות

שאלה 7
2.50 נק'

📊 Pie Chart:
מתי מתאים להשתמש בגרף עוגה?

הסבר:

💡 הסבר מפורט:

גרף עוגה 🔍

Pie Chart (גרף עוגה):

מתאים ל:
• נתונים קטגוריאליים
• הצגת חלקים מתוך שלם
• אחוזים שמסתכמים ל-100%
• מועט קטגוריות (2-6)

לא מתאים ל:
• הרבה קטגוריות (>6)
• השוואות מדויקות
• נתונים רציפים

דוגמה: חלוקת תקציב

תשובה נכונה: להצגת חלקים מתוך שלם (אחוזים), מועט קטגוריות

שאלה 8
2.50 נק'

📊 Box Plot:
מה מציג Box Plot (תרשים קופסא)?

הסבר:

💡 הסבר מפורט:

Box Plot 🔍

Box Plot (תרשים קופסא):

מציג 5 מספרים:
• מינימום
• רבעון תחתון (Q1)
• חציון (Q2)
• רבעון עליון (Q3)
• מקסימום

הקופסא: Q1 עד Q3 (IQR)
הקו באמצע: חציון
השפמים: עד מינ/מקס
נקודות: חריגים

יתרון: רואים פיזור וחריגים

תשובה נכונה: חציון, רבעונים, טווח, וחריגים

שאלה 9
2.50 נק'

📊 Scatter Plot:
מה מציג גרף פיזור?

הסבר:

💡 הסבר מפורט:

Scatter Plot 🔍

גרף פיזור (Scatter Plot):

מטרה: לראות קשר בין X ו-Y

מבנה:
• ציר X: משתנה 1
• ציר Y: משתנה 2
• כל נקודה: תצפית אחת

ניתוח:
• דפוס קווי → קורלציה
• פיזור → אין קשר
• עקומה → קשר לא-ליניארי

דוגמה: גובה vs משקל

תשובה נכונה: קשר בין שני משתנים רציפים - כל נקודה = תצפית אחת

שאלה 10
2.50 נק'

📊 צורת התפלגות:
מהי התפלגות סימטרית?

הסבר:

💡 הסבר מפורט:

סימטריה 🔍

התפלגות סימטרית (Symmetric):

החלק השמאלי והימני
מראים זהים סביב המרכז

תכונה:
ממוצע = חציון = שכיח
(כולם באמצע)

דוגמאות:
• התפלגות נורמלית
• התפלגות אחידה

לא: התפלגות מוטה

תשובה נכונה: התפלגות שבה שני חלקי ההתפלגות מראים זהים (ממוצע=חציון=שכיח)

שאלה 11
2.50 נק'

📊 Skewness:
מהי הטיה חיובית (Positive Skew)?

הסבר:

💡 הסבר מפורט:

הטיה חיובית 🔍

הטיה חיובית (Right/Positive Skew):

מאפיינים:
• זנב ארוך ימינה
• רוב הנתונים משמאל
• ערכים קיצוניים גבוהים

סדר:
שכיח < חציון < ממוצע

דוגמה: הכנסות
(רוב נמוך, מעטים עשירים מאוד)

הממוצע נגרר לימין!

תשובה נכונה: זנב ארוך ימינה - ממוצע > חציון > שכיח

שאלה 12
2.50 נק'

📊 Skewness:
מהי הטיה שלילית (Negative Skew)?

הסבר:

💡 הסבר מפורט:

הטיה שלילית 🔍

הטיה שלילית (Left/Negative Skew):

מאפיינים:
• זנב ארוך שמאלה
• רוב הנתונים מימין
• ערכים קיצוניים נמוכים

סדר:
ממוצע < חציון < שכיח

דוגמה: ציוני בוגרים
(רוב גבוהים, מעטים נכשלים)

הממוצע נגרר לשמאל!

תשובה נכונה: זנב ארוך שמאלה - ממוצע < חציון < שכיח

שאלה 13
2.50 נק'

📊 Kurtosis:
מה מודד Kurtosis?

הסבר:

💡 הסבר מפורט:

Kurtosis 🔍

Kurtosis:

מודד ״מחודדות״ ההתפלגות

סוגים:
• Leptokurtic: מחודדת, זנבות כבדים
   (Kurtosis > 3)
• Mesokurtic: נורמלית (Kurtosis = 3)
• Platykurtic: שטוחה, זנבות קלים
   (Kurtosis < 3)

Excess Kurtosis = Kurtosis - 3

תשובה נכונה: שיא וזנבות ההתפלגות - עד כמה מחודדת או שטוחה

שאלה 14
2.50 נק'

📊 טבלה דו-כיוונית:
מה מציגה טבלת שכיחות דו-כיוונית?

הסבר:

💡 הסבר מפורט:

טבלה דו-כיוונית 🔍

Contingency Table:

שורות = קטגוריות משתנה 1
עמודות = קטגוריות משתנה 2
תאים = שכיחות משותפת

דוגמה:
מגדר (שורות) × העדפת מוצר (עמודות)

שימוש:
• בדיקת תלות (χ²)
• חישוב אחוזים
• ניתוח קשרים

תשובה נכונה: קשר בין שני משתנים קטגוריאליים - שכיחות משותפת

שאלה 15
2.50 נק'

📊 טבלה דו-כיוונית:
מהן שכיחויות שוליות (Marginal Frequencies)?

הסבר:

💡 הסבר מפורט:

שכיחויות שוליות 🔍

Marginal Frequencies:

הסכומים בשולי הטבלה

סכום שורה:
סה״כ לקטגוריה של משתנה 1

סכום עמודה:
סה״כ לקטגוריה של משתנה 2

סכום כולל:
n = סך כל התצפיות
(פינה ימנית תחתונה)

תשובה נכונה: סכומי השורות והעמודות בקצות הטבלה

שאלה 16
2.50 נק'

📊 אחוזים:
מה הם אחוזי שורה (Row Percentages)?

הסבר:

💡 הסבר מפורט:

אחוזי שורה 🔍

Row Percentages:

אחוז התא מתוך השורה

חישוב:
(ערך תא / סכום שורה) × 100%

דוגמה:
שורה ״גברים״: 30, 20 (סה״כ 50)
אחוזים: 60%, 40%

שימוש: להשוות התנהגות
בין שורות (קבוצות)

תשובה נכונה: כל תא חלקי סכום השורה שלו (מסתכם ל-100% בכל שורה)

שאלה 17
2.50 נק'

📊 אחוזים:
מה הם אחוזי עמודה (Column Percentages)?

הסבר:

💡 הסבר מפורט:

אחוזי עמודה 🔍

Column Percentages:

אחוז התא מתוך העמודה

חישוב:
(ערך תא / סכום עמודה) × 100%

דוגמה:
עמודה ״אוהב״: 30, 40 (סה״כ 70)
אחוזים: 42.9%, 57.1%

שימוש: להשוות התנהגות
בין עמודות (קבוצות)

תשובה נכונה: כל תא חלקי סכום העמודה שלו (מסתכם ל-100% בכל עמודה)

שאלה 18
2.50 נק'

📊 ממוצע משוקלל:
מהו ממוצע משוקלל (Weighted Mean)?

הסבר:

💡 הסבר מפורט:

ממוצע משוקלל 🔍

Weighted Mean:

נוסחה:
x̄w = Σ(wᵢ × xᵢ) / Σwᵢ

כאשר wᵢ = משקל של xᵢ

דוגמה:
ציון סופי בקורס:
• מבחן 1: 80 (משקל 30%)
• מבחן 2: 90 (משקל 70%)

ממוצע משוקלל:
(0.3×80 + 0.7×90) / 1 = 87

תשובה נכונה: ממוצע שבו לכל ערך יש משקל/חשיבות שונה

שאלה 19
2.50 נק'

📊 ממוצע הנדסי:
מתי משתמשים בממוצע הנדסי (Geometric Mean)?

הסבר:

💡 הסבר מפורט:

ממוצע הנדסי 🔍

Geometric Mean:

נוסחה:
G = ⁿ√(x₁ × x₂ × ... × xₙ)

שימוש:
• שיעורי גידול (%)
• תשואות השקעה
• יחסים

דוגמה:
גידול של 50%, 100%, 25%
→ ממוצע הנדסי = 54.5%
(לא 58.3% כמו ממוצע רגיל)

תמיד ≤ ממוצע חשבוני

תשובה נכונה: לשיעורי שינוי, אחוזי גידול, יחסים

שאלה 20
2.50 נק'

📊 ממוצע הרמוני:
מתי משתמשים בממוצע הרמוני (Harmonic Mean)?

הסבר:

💡 הסבר מפורט:

ממוצע הרמוני 🔍

Harmonic Mean:

נוסחה:
H = n / Σ(1/xᵢ)

שימוש:
• מהירויות
• קצבים
• יחסים הפוכים

דוגמה:
נסיעה: 60 קמ״ש הלוך, 30 קמ״ש חזור
ממוצע הרמוני = 40 קמ״ש
(לא 45 כמו ממוצע רגיל!)

תמיד ≤ הנדסי ≤ חשבוני

תשובה נכונה: לממוצע מהירויות, קצבים (יחידות לזמן)

שאלה 21
2.50 נק'

📊 מקדם וריאציה:
מהו מקדם וריאציה (CV)?

הסבר:

💡 הסבר מפורט:

מקדם וריאציה 🔍

Coefficient of Variation:

נוסחה:
CV = (s / x̄) × 100%

מה זה:
סטיית תקן יחסית לממוצע

שימוש:
• השוואת פיזור בין קבוצות
   עם יחידות שונות
• מדד פיזור ללא תלות ביחידה

דוגמה:
משכורות: x̄=10,000, s=2,000
CV = 20%

תשובה נכונה: CV = (s/x̄) × 100% - פיזור יחסי, מאפשר השוואה

שאלה 22
2.50 נק'

📊 Z-score:
מהו Z-score?

הסבר:

💡 הסבר מפורט:

Z-score (ציון תקן) 🔍

נוסחה:
z = (x - μ) / σ
(במדגם: z = (x - x̄) / s)

משמעות:
כמה סטיות תקן x רחוק מהממוצע

דוגמה:
ציון 85, ממוצע 75, ס״ת 5
z = (85-75)/5 = 2
→ שתי סטיות תקן מעל הממוצע

תכונות:
• z=0 → ממוצע
• z>0 → מעל
• z<0 → מתחת

תשובה נכונה: z = (x-μ)/σ - כמה סטיות תקן הערך רחוק מהממוצע

שאלה 23
2.50 נק'

📊 תקנון:
מה מטרת תקנון (Standardization)?

הסבר:

💡 הסבר מפורט:

תקנון 🔍

Standardization (תקנון):

תהליך:
המרה של כל הערכים ל-Z-scores

תוצאה:
• ממוצע חדש = 0
• סטיית תקן חדשה = 1

יתרונות:
• השוואה בין משתנים שונים
• הסרת יחידות
• זיהוי חריגים (|z|>3)

לא משנה את צורת ההתפלגות!

תשובה נכונה: להמיר משתנה לסולם סטנדרטי (ממוצע=0, ס״ת=1)

שאלה 24
2.50 נק'

📊 ציון T:
מהו ציון T (T-score)?

הסבר:

💡 הסבר מפורט:

ציון T 🔍

T-score:

נוסחה:
T = 50 + 10z

מאפיינים:
• ממוצע = 50
• סטיית תקן = 10
• תמיד חיובי (כמעט)

יתרון:
נוח יותר מ-Z (אין שליליים/עשרוניים)

דוגמה:
z=2 → T=70
z=-1 → T=40

שימוש: פסיכומטרי, רפואה

תשובה נכונה: T = 50 + 10z - ממוצע 50, ס״ת 10

שאלה 25
2.50 נק'

📊 אחוזון:
מה משמעות אחוזון 75 (P₇₅)?

הסבר:

💡 הסבר מפורט:

אחוזון (Percentile) 🔍

אחוזון k (Pₖ):

ערך שמתחתיו נמצאים
k% מהנתונים

דוגמה:
P₇₅ = 85 בציונים
→ 75% מהתלמידים קיבלו 85 או פחות

מקרים מיוחדים:
• P₅₀ = חציון
• P₂₅ = Q1 (רבעון תחתון)
• P₇₅ = Q3 (רבעון עליון)

תשובה נכונה: 75% מהנתונים נמוכים או שווים לערך זה

שאלה 26
2.50 נק'

📊 דציל:
מהו דציל (Decile)?

הסבר:

💡 הסבר מפורט:

דציל 🔍

Decile (דציל):

חלוקה ל-10 חלקים שווים

דצילים:
• D₁ = P₁₀ (10%)
• D₂ = P₂₀ (20%)
• ...
• D₅ = P₅₀ = חציון
• ...
• D₉ = P₉₀ (90%)

שימוש: חלוקה לעשירונים
(הכנסה, ציונים)

תשובה נכונה: חלוקה ל-10 חלקים שווים - D₁=P₁₀, D₂=P₂₀, וכו׳

שאלה 27
2.50 נק'

📊 קוורטיל:
מהם הרבעונים (Quartiles)?

הסבר:

💡 הסבר מפורט:

רבעונים 🔍

Quartiles (רבעונים):

חלוקה ל-4 חלקים שווים

Q₁: רבעון תחתון (25%)
Q₂: חציון (50%)
Q₃: רבעון עליון (75%)

IQR = Q3 - Q1
(טווח בין-רבעוני)

שימוש:
• Box Plot
• מדד פיזור עמיד

תשובה נכונה: Q1=P₂₅, Q2=P₅₀ (חציון), Q3=P₇₅

שאלה 28
2.50 נק'

📊 IQR:
מה משמעות IQR?

הסבר:

💡 הסבר מפורט:

IQR 🔍

Interquartile Range:

נוסחה:
IQR = Q3 - Q1

משמעות:
טווח 50% התצפיות האמצעיות
(בין 25% ל-75%)

יתרון:
עמיד לחריגים
(לא מושפע מערכים קיצוניים)

שימוש:
• מדד פיזור חלופי לס״ת
• זיהוי חריגים

תשובה נכונה: IQR = Q3-Q1 - טווח 50% האמצעיים, עמיד לחריגים

שאלה 29
2.50 נק'

📊 חריגים:
איך מזהים חריגים (Outliers) בשיטת IQR?

הסבר:

💡 הסבר מפורט:

זיהוי חריגים 🔍

שיטת IQR (Tukey):

גבולות:
תחתון: Q1 - 1.5×IQR
עליון: Q3 + 1.5×IQR

חריג:
ערך מחוץ לגבולות

דוגמה:
Q1=10, Q3=20, IQR=10
גבולות: -5 עד 35
ערך 40 → חריג!

חריג קיצוני: 3×IQR

תשובה נכונה: ערך < Q1-1.5×IQR או > Q3+1.5×IQR

שאלה 30
2.50 נק'

📊 חריגים:
איך מזהים חריגים בשיטת Z-score?

הסבר:

💡 הסבר מפורט:

שיטת Z 🔍

שיטת Z-score:

כללי אצבע:
• |z| > 3: חריג בוודאות
• |z| > 2: חשוד כחריג
• |z| < 2: נורמלי

הסבר:
בנורמלית, 99.7% בין ±3σ

דוגמה:
z=-3.5 → חריג (רחוק מאוד)
z=1.8 → תקין

⚠️ דורש נורמליות!

תשובה נכונה: |z| > 3 (או > 2 למחמירים)

שאלה 31
2.50 נק'

📊 טיפול בחריגים:
מה עושים עם חריגים?

הסבר:

💡 הסבר מפורט:

אסטרטגיות טיפול 🔍

תהליך:

1. זהה: שיטת IQR/Z

2. בדוק:
• שגיאת הקלדה? → תקן
• שגיאת מדידה? → מחק
• ערך אמיתי? → שמור

3. פתרונות:
• דווח עם ובלי חריג
• השתמש בחציון (עמיד)
• טרנספורמציה (log)
• ניתוח נפרד

⚠️ אל תמחק בלי הצדקה!

תשובה נכונה: בודקים אם שגיאה, אם לא - מדווחים או משתמשים במדדים עמידים

שאלה 32
2.50 נק'

📊 Winsorizing:
מהו Winsorizing?

הסבר:

💡 הסבר מפורט:

Winsorizing 🔍

Winsorizing:

החלפת ערכים קיצוניים
בערכים פחות קיצוניים

שיטה נפוצה:
• ערכים < P₅ → P₅
• ערכים > P₉₅ → P₉₅

דוגמה:
נתונים: 1, 3, 5, 100
P₉₅ = 5
אחרי: 1, 3, 5, 5

יתרון: שומר גודל מדגם
(לעומת מחיקה)

תשובה נכונה: החלפת חריגים בערכים פחות קיצוניים (אחוזון 5/95)

שאלה 33
2.50 נק'

📊 Trimming:
מהו Trimmed Mean?

הסבר:

💡 הסבר מפורט:

Trimmed Mean 🔍

Trimmed Mean (ממוצע קטום):

הסרת אחוז מהקצוות
ואז חישוב ממוצע

5% Trimmed Mean:
מוחקים 5% מלמטה
ומוחקים 5% מלמעלה
ממוצע של 90% האמצעיים

יתרון:
עמיד לחריגים
אבל לא כמו חציון

דוגמה: ציונים באולימפיאדה

תשובה נכונה: ממוצע אחרי הסרת אחוז מהקצוות (למשל 5% מכל צד)

שאלה 34
2.50 נק'

📊 Missing Data:
מהן דרכים לטיפול בנתונים חסרים?

הסבר:

💡 הסבר מפורט:

טיפול בנתונים חסרים 🔍

אסטרטגיות:

1. מחיקה:
• Listwise: מחק שורה שלמה
• Pairwise: מחק רק בניתוח ספציפי

2. השלמה (Imputation):
• ממוצע/חציון
• רגרסיה
• K-nearest neighbors

3. ניתוח מיוחד:
• Maximum Likelihood
• Multiple Imputation

⚠️ תלוי בסוג החסר!

תשובה נכונה: מחיקה, השלמה (ממוצע/חציון/רגרסיה), ניתוח מיוחד

שאלה 35
2.50 נק'

📊 סוגי Missing Data:
מה ההבדל בין MCAR ל-MAR?

הסבר:

💡 הסבר מפורט:

סוגי חסר 🔍

MCAR (Missing Completely At Random):
החסר לגמרי אקראי,
לא קשור לשום משתנה

MAR (Missing At Random):
החסר קשור למשתנים נצפים,
לא למשתנה החסר עצמו

MNAR (Missing Not At Random):
החסר קשור לערך החסר עצמו
(הכי בעייתי!)

דוגמה MAR: נשים פחות משיבות על הכנסה

תשובה נכונה: MCAR = חסר לגמרי אקראי, MAR = חסר אקראי בהתניה

שאלה 36
2.50 נק'

📊 קטגוריזציה:
מהי קטגוריזציה (Binning)?

הסבר:

💡 הסבר מפורט:

קטגוריזציה 🔍

Binning (קטגוריזציה):

המרת משתנה רציף
לקטגוריות בדידות

דוגמה:
גיל (רציף) → קבוצות גיל
• 0-18: ילדים
• 19-65: מבוגרים
• 66+: קשישים

יתרונות: פשטות, פרשנות
חסרונות: אובדן מידע

הורדת רמת מדידה!

תשובה נכונה: המרת משתנה רציף לקטגוריות/קבוצות

שאלה 37
2.50 נק'

📊 Dummy Variables:
מהם משתני דמה?

הסבר:

💡 הסבר מפורט:

משתני דמה 🔍

Dummy Variables (משתני דמה):

קידוד בינארי (0/1) לקטגוריות

דוגמה:
מגדר → 2 משתנים:
• זכר: 1=גבר, 0=אישה
• (או ההפך)

k קטגוריות → k-1 משתני דמה
(אחת reference)

שימוש: רגרסיה, מודלים

One-Hot Encoding

תשובה נכונה: קידוד קטגוריות כ-0/1 - לכל קטגוריה משתנה בינארי

שאלה 38
2.50 נק'

📊 נורמליזציה:
מהי נורמליזציה (Normalization)?

הסבר:

💡 הסבר מפורט:

נורמליזציה 🔍

Normalization (Min-Max Scaling):

נוסחה:
x_norm = (x - min) / (max - min)

תוצאה: כל הערכים בין 0 ל-1

דוגמה:
נתונים: 10, 20, 30
נורמליזציה: 0, 0.5, 1

שימוש: למידת מכונה

≠ תקנון (z-scores)

תשובה נכונה: קני מידה לטווח 0-1: x_norm = (x-min)/(max-min)

שאלה 39
2.50 נק'

📊 דיסקרטיזציה:
מהי דיסקרטיזציה?

הסבר:

💡 הסבר מפורט:

דיסקרטיזציה 🔍

Discretization:

המרת רציף → בדיד

שיטות:
• Equal Width: bins שווים
• Equal Frequency: מספר שווה בכל bin
• Custom: לפי ידע תחומי

דוגמה:
הכנסה (רציף) →
נמוכה/בינונית/גבוהה (בדיד)

= Binning/קטגוריזציה

תשובה נכונה: המרת משתנה רציף לבדיד (קבוצות/bins)

שאלה 40
2.50 נק'

📊 שאלת סיכום:
מה כולל ניתוח סטטיסטי תיאורי מלא?

הסבר:

💡 הסבר מפורט:

ניתוח מלא 🔍

רכיבי ניתוח תיאורי:

1. מדדי מרכז:
ממוצע, חציון, שכיח

2. מדדי פיזור:
טווח, IQR, סטיית תקן, שונות

3. מדדי צורה:
הטיה (skewness), גבנוניות (kurtosis)

4. גרפים:
היסטוגרמה, Box Plot, וכו׳

5. חריגים: זיהוי וטיפול

6. טבלאות תדירות

תשובה נכונה: מדדי מרכז, פיזור, צורה, גרפים, טיפול בחריגים

🎓
לא רוצה להישאר לבד עם החומר?
הצטרפו לקורס שנתי עם משימות יומיות, ליווי אישי וקבוצות זום
קבל פרטים
🤖

עוזר הקורסים החכם

אני כאן לעזור לך למצוא את הקורס המתאים

×
👋 שלום! אשמח לעזור לך
שלום, אשמח לעזור לך להתמצא באתר ולמקד אותך לצורך שלך. נתחיל בבחירה:
🎓 מתמטיקה לבגרות
📚 אקדמיה (סטטיסטיקה / כלכלה / מתמטיקה)
0 / 40 הושלמו