Learn why hypothesis testing is useful, and step through the workflow for a one sample proportion test. In doing so, you'll encounter important concepts like z-scores, p-p-values, and false negative and false positive errors. The Stack Overflow survey and late medical shipments datasets are introduced.

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 confidence intervals

Type I and type II errors

Introduction to Hypothesis Testing

Learn how to test for differences in means between two groups using t-tests, and how to extend this to more than two groups using ANOVA and pairwise t-tests.

Réaliser des tests t

Enchaînement d’un test d’hypothèse

Statistique de test pour deux moyennes

Calculer des p-valeurs à partir de statistiques t

Pourquoi a-t-on besoin de t ?

La loi t

Du t au p

Tests t appariés

t-tests appariés vs non appariés

Apparié

Non apparié

Faut-il apparier ?

Visualiser la différence

Utiliser t.test()

Tests ANOVA

Visualiser de nombreuses catégories

Réaliser un test ANOVA

Tests t par paires

Two-Sample and ANOVA Tests

Learn how to test for differences in proportions between two groups using proportion tests, extended it 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

prop_test() 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

Learn about the assumptions made by parametric hypothesis tests and see how simulation-based and rank-based non-parametric tests can be used when those assumptions aren't met.

Assumptions in hypothesis testing

Common assumptions of hypothesis tests

Testing sample size

The "There is only one test" framework

There is only one test

Specifying and hypothesizing

Continuing the infer pipeline

Generating & calculating

Observed statistic and p-value

Non-parametric ANOVA and unpaired t-tests

Simulation-based t-test

Rank sum tests

Congratulations!

Non-Parametric Tests

Late Shipments

Late shipments Bootstrap Distribution

Democratic Presidential Candidates by County

StackOverflow Survey

Late Shipments w/ Freight Cost Group

Les tests d’hypothèses vous permettent de poser des questions sur vos jeux de données et d’y répondre de manière statistiquement rigoureuse. Dans ce cours, vous apprendrez comment et quand utiliser des tests courants comme les tests t, les tests de proportion et les tests du chi carré. Vous comprendrez en profondeur leur fonctionnement et les hypothèses qui les sous-tendent. Vous verrez aussi comment différents tests d’hypothèses sont liés grâce au cadre « There is only one test », et vous utiliserez des tests non paramétriques qui permettent de contourner les exigences des tests d’hypothèses classiques. Tout au long du cours, vous analyserez une enquête auprès des utilisateurs de Stack Overflow et un jeu de données sur des livraisons tardives 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. 

Scientifique de données associé en R

Analyste de données  en R

Statisticien en R

Principes de la statistique en R

Identifier le paramètre de population sur lequel porte l’hypothèse.

Spécifier les hypothèses nulle et alternative.

Déterminer la statistique de test (standardisée) et la loi nulle correspondante.

Mesurer l’évidence contre l’hypothèse nulle et comparer au seuil de signification.

Interpréter les résultats dans le contexte du problème initial.

Enchaînement d’un test d’hypothèse

Exercice interactif pratique