Apprenez pourquoi les tests d'hypothèse sont utiles et suivez le déroulement d'un test de proportion d'un échantillon. Ce faisant, vous rencontrerez des concepts importants tels que les scores z, les valeurs p-p et les erreurs faussement négatives et faussement positives. L'enquête Stack Overflow et les ensembles de données sur les envois médicaux tardifs sont présentés.

Tests d'hypothèse et scores z

Utilisations des tests A/B

Calcul de la moyenne de l'échantillon

Calcul d'un score z

valeurs p

Procès criminels et tests d'hypothèses

Options

Deux queues

Queue gauche

Queue droite

Queue gauche, queue droite, deux queues

Calcul des valeurs p

Signification statistique

Décisions à partir des valeurs p

Calcul des intervalles de confiance

Erreurs de type Faut positif (Type I)

Erreurs faussement négatives (type II)

Pas d'erreur

Erreurs de type I et de type II

Introduction aux tests d'hypothèses

Apprenez à tester les différences de moyennes entre deux groupes à l'aide de tests t, et à étendre ces tests à plus de deux groupes à l'aide d'ANOVA et de tests t par paire.

Réalisation de tests t

Flux de travail des tests d'hypothèse

Statistique du test de la moyenne à deux échantillons

Calcul des valeurs p à partir des statistiques t

Pourquoi « t » est-il nécessaire ?

La distribution t

De t à p

Tests t par paires

L'appariement est-il nécessaire ?

Visualiser la différence

Utilisation de t.test()

Tests ANOVA

Visualiser de nombreuses catégories

Réalisation d'un test ANOVA

Tests t par paire

Tests à deux échantillons et ANOVA

Apprenez à tester les différences de proportions entre deux groupes à l'aide de tests de proportion, étendez-les à plus de deux groupes à l'aide de tests d'indépendance du chi-carré et revenez au cas d'un seul échantillon à l'aide de tests d'adéquation du chi-carré.

Tests de proportion à un échantillon

t pour les proportions ?

Test pour les proportions uniques

Tests de proportion à deux échantillons

Test de deux proportions

prop_test() pour deux échantillons

Test d'indépendance du khi-deux

La distribution du khi-deux

Combien de queues pour les tests du khi-deux ?

Réalisation d'un test du khi-deux

Tests d'adéquation du khi-deux

Visualisation de la qualité de l'ajustement

Réalisation d'un test d'adéquation

Tests de proportion

Découvrez les hypothèses posées par les tests d'hypothèse paramétriques et voyez comment les tests non paramétriques basés sur la simulation et le classement peuvent être utilisés lorsque ces hypothèses ne sont pas respectées.

Hypothèses dans les tests d'hypothèses

Hypothèses communes des tests d'hypothèse

Taille de l'échantillon de test

Le cadre "Il n'y a qu'un seul test".

Il n'y a qu'un seul test

Spécifier et émettre des hypothèses

Poursuivre le pipeline d'inférence

Générer et calculer

Statistique observée et valeur p

ANOVA non paramétrique et tests t non appariés

Test t basé sur la simulation

Tests de somme des rangs

Félicitations !

Tests non paramétriques

Late Shipments

Late shipments Bootstrap Distribution

Democratic Presidential Candidates by County

StackOverflow Survey

Les tests d'hypothèse vous permettent de poser des questions sur vos ensembles de données et d'y répondre de manière statistiquement rigoureuse. Dans ce cours, vous apprendrez comment et quand utiliser les tests courants tels que les tests t, les tests de proportion et les tests chi-carré. Vous comprendrez mieux leur fonctionnement et les hypothèses qui les sous-tendent. Vous apprendrez également comment les différents tests d'hypothèse sont liés en utilisant le cadre "Il n'y a qu'un seul test", et vous utiliserez des tests non paramétriques qui vous permettent de contourner les exigences des tests d'hypothèse traditionnels. Tout au long du cours, vous explorerez une enquête menée par les utilisateurs de Stack Overflow et un ensemble de données sur les envois tardifs de fournitures médicales.

<h2>Découvrez les tests d'hypothèses en R </h2>
Les tests d'hypothèse vous permettent de répondre à des questions sur vos ensembles de données d'une manière statistiquement rigoureuse. Dans ce cours, vous apprendrez comment et quand utiliser les tests courants tels que les tests t, les tests de proportion et les tests chi-carré. 
<br><br>
Vous comprendrez mieux leur fonctionnement et les hypothèses qui les sous-tendent. Vous apprendrez également comment les différents tests d'hypothèse sont liés à l'aide du cadre "Il n'y a qu'un seul test" et utiliserez des tests non paramétriques qui vous permettent de contourner les exigences des tests d'hypothèse traditionnels.
<br><br>
<h2>Découvrez les tests T et les tests du chi carré</h2>
Vous commencerez par apprendre pourquoi les tests d'hypothèse en R sont utiles, tout en examinant certains concepts clés au fur et à mesure. Vous apprendrez également comment les tests t peuvent vous aider à tester les différences de moyennes entre deux groupes et comment les tests chi-carré peuvent vous aider à comparer les résultats observés aux résultats attendus.  
<br><br>
<h2>Comprendre les relations entre les tests d'hypothèse R</h2>
Au fur et à mesure de votre progression, vous découvrirez les relations entre les différents tests, en explorant les éléments du hasard, de l'indépendance de l'observation et de la taille des échantillons. 
<br><br>
À la fin de ce cours, vous aurez une meilleure compréhension des tests d'hypothèse en R et saurez quand il est approprié d'utiliser des tests spécifiques sur vos données. 
<br><br>
Tout au long du cours, vous explorerez une enquête de Stack Overflow auprès des utilisateurs et un ensemble de données sur les envois tardifs de fournitures médicales".

Sampling in R

Découvrez les tests d'hypothèses en R : t-tests, tests de proportion et tests du chi-carré.

Tests d'hypothèses en R

Apprenez à utiliser les tests d’hypothèse dans R : tests t, tests de proportion et tests du chi carré, et à savoir quand les appliquer. 

valeurs p

Create Your Free Account