Jak testování hypotéz funguje a jaké problémy dokáže řešit? Abys to zjistil/a, projdeš si celý postup jednostranného testu proporcí. Při tom se setkáš s důležitými pojmy, jako jsou z-skóre, p-hodnoty a chyby falešně negativních a falešně pozitivních výsledků.

Hypotézové testy a z-skóre

Využití A/B testování

Výpočet průměru vzorku

Výpočet z-skóre

p-hodnoty

Trestní řízení a testy hypotéz

Levý chvost, pravý chvost, dva chvosty

Výpočet p-hodnot

Statistická významnost

Rozhodování na základě p-hodnot

Výpočet intervalu spolehlivosti

Chyby typu I a typu II

Základy testování hypotéz

V této kapitole se naučíš testovat rozdíly průměrů mezi dvěma skupinami pomocí t-testů a tento přístup rozšíříš na více skupin s využitím testu ANOVA a párových t-testů.

Provádění t-testů

Postup při testování hypotéz

Testovací statistika pro test dvou výběrových průměrů

Výpočet p-hodnot z t-statistik

Proč je potřeba t-rozdělení?

t-rozdělení

Od t k p

Párové t-testy

Párový vs. nepárový t-test

Párový

Nepárový

Je párování potřeba?

Vizualizace rozdílu

Použití ttest()

Testy ANOVA

Vizualizace více kategorií

Provedení ANOVA testu

Dvouvýběrové testy a ANOVA

Teď přichází čas testovat rozdíly v proporcích mezi dvěma skupinami pomocí testů proporcí. V praktických cvičeních rozšíříš testy proporcí na více skupin pomocí chí-kvadrát testů nezávislosti a vrátíš se k jednostrannému případu s chí-kvadrát testy dobré shody.

Proporční testy pro jeden výběr

z, nebo t pro proporce?

Test pro jednu proporci

Dvouvýběrové testy poměrů

Test dvou proporcí

proportions_ztest() pro dva vzorky

Chí-kvadrát test nezávislosti

Chí-kvadrát rozdělení

Kolik chvostů mají chí-kvadrát testy?

Provedení chí-kvadrát testu

Chí-kvadrát testy dobré shody

Vizualizace dobré shody

Provádění testu dobré shody

Testy proporcí

Na závěr se seznámíš s předpoklady parametrických testů hypotéz a zjistíš, jak neparametrické testy pomáhají tehdy, když tyto předpoklady splněny nejsou.

Předpoklady testování hypotéz

Společné předpoklady hypotézových testů

Testování velikosti vzorku

Neparametrické testy

Který parametrický test?

Wilcoxonův test se znaménkovými pořadími

Neparametrická ANOVA a nepárové t-testy

Wilcoxonův-Mannův-Whitneyho test

Kruskal-Wallis

Gratulujeme!

U.S. Republican Votes 2008/2012

Late Shipments

Stack Overflow

Course Glossary

U.S. Democrat Votes 2012/2016

Testování hypotéz ti umožní odpovídat na otázky o svých datech statisticky přesným způsobem. V tomto kurzu rozšíříš své analytické dovednosti v Pythonu a naučíš se, jak a kdy používat běžné testy jako t-testy, testy proporcí nebo chí-kvadrát testy. Budeš pracovat s reálnými daty – včetně zpětné vazby uživatelů Stack Overflow a dat dodavatelského řetězce pro zdravotnické zásoby – a získáš hluboké porozumění tomu, jak tyto testy fungují a na jakých klíčových předpokladech stojí. Zároveň objevíš, jak neparametrické testy dokážou překonat omezení tradičních testů hypotéz.

Videa obsahují živé přepisy, které zobrazíš kliknutím na „Zobrazit přepis" v levém dolním rohu videa.
Glosář kurzu najdeš vpravo v sekci Zdroje.
Pro získání kreditů CPE musíš kurz dokončit a dosáhnout skóre alespoň 70 % v kvalifikovaném hodnocení. K hodnocení se dostaneš kliknutím na odkaz CPE kredity vpravo.

Sampling in Python

Naučte se používat t-testy, testy podílů a chí-kvadrát testy v Pythonu.

Testování hypotéz v Pythonu

Naučte se, jak a kdy používat běžné testy hypotéz, jako jsou t-testy, testy podílu a chí-kvadrát testy v Pythonu.

Asociovaný datový vědec  v Pythonu

Datový analytik  v Pythonu

Základy statistiky  v Pythonu

Identifikuj parametr populace, o kterém se formuluje hypotéza

Urči (standardizovanou) testovou statistiku a odpovídající nulové rozdělení

Změř sílu důkazů proti nulové hypotéze a porovnej ji s hladinou významnosti

Interpretuj výsledky v kontextu původního problému

Postup při testování hypotéz

Testování hypotéz v Pythonu

Interaktivní praktické cvičení