Erfahre, warum Hypothesentests sinnvoll sind, und gehe den Arbeitsablauf für einen Proportionstest mit einer Stichprobe durch. Dabei lernst du wichtige Konzepte wie z-Scores, p-p-Werte sowie falsch negative und falsch positive Fehler kennen. Die Datensätze der Stack Overflow-Umfrage und der späten medizinischen Sendungen werden vorgestellt.

Hypothesentests und z-Scores

Einsatzmöglichkeiten von A/B-Tests

Berechnung des Stichprobenmittelwerts

Berechnen eines z-Scores

p-Werte

Strafprozesse und Hypothesentests

Linker Schwanz, rechter Schwanz, zwei Schwänze

Berechnen von p-Werten

Statistische Bedeutung

Entscheidungen aus p-Werten

Berechnung von Konfidenzintervallen

Fehler Typ I und Typ II

Einführung in die Hypothesenprüfung

Lerne, wie man mit t-Tests Mittelwertunterschiede zwischen zwei Gruppen prüft und wie man dies mit ANOVA und paarweisen t-Tests auf mehr als zwei Gruppen ausdehnt.

Durchführung von t-Tests

Arbeitsablauf der Hypothesentests

Zwei-Stichproben-Mittelwert-Teststatistik

Berechnen von p-Werten aus t-Statistiken

Warum wird t benötigt?

Die t-Verteilung

Von t bis p

Gepaarte t-Tests

Ist eine Paarung erforderlich?

Den Unterschied sichtbar machen

t.test() verwenden

ANOVA Tests

Viele Kategorien visualisieren

Durchführen eines ANOVA Tests

Paarweise t-Tests

Tests mit zwei Stichproben und ANOVA

Lerne, wie du mit Proportionstests Unterschiede in den Anteilen zwischen zwei Gruppen prüfst, erweitere sie mit Chi-Quadrat-Unabhängigkeitstests auf mehr als zwei Gruppen und kehre mit Chi-Quadrat-Anpassungstests zum Fall mit einer Stichprobe zurück.

Proportionstests bei einer Stichprobe

t für Proportionen?

Test für einzelne Proportionen

Zwei-Stichproben-Proportionstests

Test von zwei Proportionen

prop_test() für zwei Stichproben

Chi-Quadrat-Test der Unabhängigkeit

Die Chi-Quadrat-Verteilung

Wie viele Schwänze gibt es bei Chi-Quadrat-Tests?

Durchführen eines Chi-Quadrat-Tests

Chi-Quadrat-Tests zur Anpassungsgüte

Visualisierung der Anpassungsgüte

Durchführen eines Goodness-of-Fit-Tests

Proportionale Tests

Lerne die Annahmen parametrischer Hypothesentests kennen und erfahre, wie simulationsbasierte und rangbasierte nichtparametrische Tests verwendet werden können, wenn diese Annahmen nicht erfüllt sind.

Annahmen bei Hypothesentests

Gemeinsame Annahmen von Hypothesentests

Stichprobengröße testen

Der Rahmen "Es gibt nur einen Test"

Es gibt nur einen Test

Spezifizieren und Hypothesen aufstellen

Weiterführung der Infer-Pipeline

Erzeugen & Berechnen

Beobachtete Statistik und p-value

Nicht-parametrische ANOVA und ungepaarte t-Tests

Simulationsbasierter t-Test

Rangsummentests

Herzlichen Glückwunsch!

Nichtparametrische Tests

Late Shipments

Late shipments Bootstrap Distribution

Democratic Presidential Candidates by County

StackOverflow Survey

Mit Hilfe von Hypothesentests kannst du Fragen zu deinen Datensätzen stellen und sie auf statistisch strenge Weise beantworten. In diesem Kurs lernst du, wie und wann du gängige Tests wie t-Tests, Proportionstests und Chi-Quadrat-Tests anwenden kannst. Du wirst ein tiefes Verständnis dafür bekommen, wie sie funktionieren und welche Annahmen ihnen zugrunde liegen. Außerdem lernst du, wie verschiedene Hypothesentests miteinander zusammenhängen, indem du das Prinzip "Es gibt nur einen Test" anwendest und nicht-parametrische Tests verwendest, mit denen du die Anforderungen traditioneller Hypothesentests umgehen kannst. Im Laufe des Kurses wirst du eine Stack Overflow-Benutzerumfrage und einen Datensatz über verspätete Lieferungen von medizinischen Hilfsmitteln untersuchen.

<h2>Entdecke Hypothesentests in R </h2>
Mit Hilfe von Hypothesentests kannst du Fragen zu deinen Datensätzen stellen und sie auf statistisch strenge Weise beantworten. In diesem Kurs lernst du, wie und wann du gängige Tests wie t-Tests, Proportionstests und Chi-Quadrat-Tests anwenden kannst. 
<br><br>
Du wirst ein tiefes Verständnis dafür bekommen, wie sie funktionieren und welche Annahmen ihnen zugrunde liegen. Du lernst auch, wie verschiedene Hypothesentests zusammenhängen, indem du das "Es gibt nur einen Test"-Prinzip anwendest und nicht-parametrische Tests verwendest, mit denen du die Anforderungen traditioneller Hypothesentests umgehen kannst.
<br><br>
<h2>T-Tests und Chi-Quadrat-Tests kennenlernen</h2>
Zu Beginn erfährst du, warum Hypothesentests in R nützlich sind und lernst dabei einige Schlüsselkonzepte kennen. Du lernst auch, wie du mit t-Tests auf Mittelwertunterschiede zwischen zwei Gruppen testen kannst und wie du mit Chi-Quadrat-Tests beobachtete Ergebnisse mit erwarteten Ergebnissen vergleichen kannst.  
<br><br>
<h2>Verstehe die Beziehungen zwischen R-Hypothesentests</h2>
Im weiteren Verlauf entdeckst du die Zusammenhänge zwischen verschiedenen Tests und erkundest Elemente wie Zufall, Unabhängigkeit der Beobachtung und Stichprobengröße. 
<br><br>
Wenn du diesen Kurs beendest, wirst du ein tieferes Verständnis für Hypothesentests in R haben und wissen, wann es sinnvoll ist, bestimmte Tests auf deine Daten anzuwenden. 
<br><br>
Im Laufe des Kurses wirst du eine Stack Overflow-Benutzerumfrage und einen Datensatz über verspätete Lieferungen von medizinischem Material untersuchen."

Der Rahmen "Es gibt nur einen Test"

Create Your Free Account