CommencezCommencez gratuitement

Accueil
Cours
Inférence pour des données numériques en R

ANOVA

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Cette activité fait partie du cours

Inférence pour des données numériques en R

SkillTag.level.advancedSkillTag.label

4.9+

Commencer le cours gratuitement

Dans ce chapitre, vous utiliserez des techniques de bootstrap pour estimer un seul paramètre d'une distribution numérique.

Exercise 1: Bienvenue dans le cours !Exercise 2: Générer une distribution bootstrap pour la médiane Exercise 3: Revoir les méthodes du percentile et de l'erreur-type Exercise 4: Calculer l'intervalle bootstrap avec les deux méthodes Exercise 5: Quelle méthode est la plus appropriée : percentile ou erreur-type?Exercise 6: Visites chez le médecin pendant la grossesse Exercise 7: Nombre moyen de visites chez le médecin Exercise 8: ÉT d u nombre de consultations médicales Exercise 9: Recentrer une distribution bootstrap Exercise 10: Test pour le prix médian des appartements 1 CAC à Manhattan Exercise 11: Conclure le test d'hypothèse sur la médiane Exercise 12: Test pour le poids moyen des bébés

Dans ce chapitre, vous utiliserez des techniques fondées sur le théorème central limite pour estimer un seul paramètre d'une distribution numérique. Vous le ferez à l'aide de la loi t.

Exercise 1: loi t Exercise 2: Quand utiliser t?Exercise 3: Probabilités sous la loi t Exercise 4: Seuils sous la loi t Exercise 5: Estimer une moyenne avec un intervalle t Exercise 6: Temps moyen de déplacement des Américains Exercise 7: Nombre moyen d'heures travaillées Exercise 8: Intervalle t pour des données appariées Exercise 9: Intervalle t à divers niveaux Exercise 10: Comprendre les intervalles de confiance Exercise 11: Vérifier une moyenne avec un test t Exercise 12: Estimer la différence médiane des prix des manuels Exercise 13: Test pour une différence des médianes des résultats aux tests Exercise 14: Interpréter la valeur p

Dans ce chapitre, vous étendrez ce que vous avez appris jusqu'ici pour utiliser à la fois des techniques de simulation et des techniques fondées sur le TCL afin de faire l'inférence sur la différence entre deux paramètres provenant de deux distributions numériques indépendantes.

Exercise 1: Vérification d'hypothèses pour comparer deux moyennes Exercise 2: Évaluer l'efficacité d'un traitement par cellules souches Exercise 3: Évaluer l'efficacité d'un traitement par cellules souches (suite)Exercise 4: Conclusion du test d'hypothèse Exercise 5: Évaluer le lien entre le tabagisme pendant la grossesse et le poids à la naissance Exercise 6: IC bootstrap pour la différence entre deux moyennes Exercise 7: Quantifier la relation entre le tabagisme pendant la grossesse et le poids à la naissance Exercise 8: Médianes de la durée de grossesse : mères fumeuses et non fumeuses Exercise 9: Comparer des moyennes avec un test t Exercise 10: Salaire horaire et statut de citoyenneté Exercise 11: Estimer la différence entre deux moyennes à l'aide d'un intervalle t

Dans ce chapitre, vous utiliserez l'ANOVA (analyse de la variance) pour vérifier s'il existe une différence de moyennes entre plusieurs groupes.

Exercise 1: Score de vocabulaire : variation entre les classes sociales vs. classe sociale (auto-identifiée)Exercise 2: EDE : score de vocabulaire et classe sociale Exercise 3: Comparer plusieurs moyennes, visuellement Exercise 4: ANOVA

Exercice en cours

Exercise 5: ANOVA pour le score de vocabulaire selon la classe sociale (auto-identifiée)Exercise 6: Conditions pour l'ANOVA Exercise 7: Vérifier la condition de normalité Exercise 8: Vérifier l'hypothèse de variance constante Exercise 9: Tests post hoc Exercise 10: Calculer alpha*Exercise 11: Comparer des moyennes par paires Exercise 12: Félicitations !