How does hypothesis testing work and what problems can it solve? To find out, you’ll walk through the workflow for a one sample proportion test. In doing so, you'll encounter important concepts like z-scores, p-values, and false negative and false positive errors.

Hypothesis tests and z-scores

Uses of A/B testing

Calculating the sample mean

Calculating a z-score

p-values

Criminal trials and hypothesis tests

Left tail, right tail, two tails

Calculating p-values

Statistical significance

Decisions from p-values

Calculating a confidence interval

Type I and type II errors

Hypothesis Testing Fundamentals

In this chapter, you’ll learn how to test for differences in means between two groups using t-tests and extend this to more than two groups using ANOVA and pairwise t-tests.

Performing t-tests

Hypothesis testing workflow

Two sample mean test statistic

Calculating p-values from t-statistics

Why is t needed?

The t-distribution

From t to p

Paired t-tests

Is pairing needed?

Visualizing the difference

Using ttest()

ANOVA tests

Visualizing many categories

Conducting an ANOVA test

Pairwise t-tests

Two-Sample and ANOVA Tests

Now it’s time to test for differences in proportions between two groups using proportion tests. Through hands-on exercises, you’ll extend your proportion tests to more than two groups with chi-square independence tests, and return to the one sample case with chi-square goodness of fit tests.

One-sample proportion tests

t for proportions?

Test for single proportions

Two-sample proportion tests

Test of two proportions

proportions_ztest() for two samples

Chi-square test of independence

The chi-square distribution

How many tails for chi-square tests?

Performing a chi-square test

Chi-square goodness of fit tests

Visualizing goodness of fit

Performing a goodness of fit test

Proportion Tests

Finally, it’s time to learn about the assumptions made by parametric hypothesis tests, and see how non-parametric tests can be used when those assumptions aren't met.

Supuestos de las pruebas de hipótesis

Supuestos comunes de las pruebas de hipótesis

Tamaño de muestra de prueba

Pruebas no paramétricas

¿Qué prueba paramétrica?

Prueba de los rangos con signo de Wilcoxon

ANOVA no paramétrico y pruebas t no pareadas

Wilcoxon Mann Whitney

Kruskal-Wallis

¡Enhorabuena!

Non-Parametric Tests

Late Shipments

Stack Overflow

U.S. Democrat Votes 2012/2016

U.S. Republican Votes 2008/2012

Course Glossary

Las pruebas de hipótesis te permiten responder a preguntas sobre tus conjuntos de datos de forma estadísticamente rigurosa. En este curso, desarrollarás tus competencias analíticas en Python aprendiendo cómo y cuándo utilizar pruebas comunes como las pruebas t, las pruebas de proporción y las pruebas χ². Trabajando con datos del mundo real, incluidos datos de cadena de suministro y comentarios de usuarios de Stack Overflow sobre envíos de suministros médicos, comprenderás en profundidad cómo funcionan estas pruebas y los supuestos clave que las sustentan. También descubrirás cómo pueden utilizarse pruebas no paramétricas para superar las limitaciones de las pruebas de hipótesis tradicionales.

Los vídeos contienen transcripciones en directo que puedes mostrar haciendo clic en «Mostrar transcripción» en la parte inferior izquierda de los vídeos.
El glosario del curso se encuentra a la derecha, en la sección de recursos.
Para obtener créditos CPE, debes completar el curso y alcanzar una puntuación del 70 % en la evaluación cualificada. Puedes acceder a la evaluación haciendo clic en la llamada de créditos CPE situada a la derecha.

Sampling in Python

Aprende cómo y cuándo usar pruebas de hipótesis comunes como t-tests, pruebas de proporciones y chi-cuadrado en Python.

Pruebas de hipótesis en Python

Aprende cómo y cuándo utilizar en Python las pruebas de hipótesis más comunes, como las pruebas t, las pruebas de proporción y las pruebas chi-cuadrado.

Científico de datos asociado  en Python

Analista de datos  en Python

Fundamentos de Estadística  en Python

¿Qué prueba paramétrica?

Pruebas de hipótesis en Python

ejercicio interactivo práctico