In this chapter, we'll explore the relationship between samples and statistically justifiable conclusions. Choosing a sample is the basis of making sound statistical decisions, and we’ll explore how the choice of a sample affects the outcome of your inference. 

Statistical inference and random sampling

Sampling and point estimates

Repeated sampling, point estimates and inference

Sampling and bias

Visualizing samples

Inference and bias

Confidence intervals and sampling

Normal sampling distributions

Calculating confidence intervals

Drawing conclusions from samples

Inferential Statistics and Sampling

Learn all about applying normality tests, correlation tests, and parametric and non-parametric tests for sound inference. Hypothesis tests are tools, and choosing the right tool for the job is critical for statistical decision-making. While you may be familiar with some of these tests in introductory courses, you'll go deeper to enhance your inferential toolkit in this chapter.


Normality tests

Testing for normality

Distribution of errors

Fitting a normal distribution

Correlation tests

Testing for correlation

Autocorrelation

Explained variance

Parametric tests

Equal variance

Normality of groups

ANOVA

Non-parametric tests

Comparing rankings

Comparing medians

Hypothesis Testing Toolkit

In this chapter, you'll measure and interpret effect size in various situations, encounter the multiple comparisons problem, and explore the power of a test in depth. While p-values tell you if a significant effect is present, they don't tell you how strong that effect is. Effect size measures how strong an effect a treatment has. Master the factors underpinning effect size in this chapter.


Effect size

Effect size for means

Effect size for correlations

Effect size for categorical variables

Multiple comparisons and corrections

Multiple comparisons problem

Bonferonni-Holm correction

Power of a test

What is power anyway?

Power for experimental design

Computing power and sample sizes

Effect Size

You’ll expand your inferential statistics toolkit further with a look at bootstrapping, permutation tests, and methods of combining evidence from p-values. Bootstrapping will provide you with a first look at statistical simulation. In the lesson meta-analysis, you’ll learn all about combining results from multiple studies. You’ll end with a look at permutation tests, a powerful and flexible non-parametric statistical tool.


Bootstrapping

Interval kepercayaan bootstrap

Bootstrapping vs. kenormalan

Menggabungkan bukti dari p-value

Metode Fisher di SciPy

Inferensi menggunakan Metode Fisher

Opsi

Benar

Tidak selalu benar

Merangkum metode Fisher

Uji permutasi

Uji permutasi untuk korelasi

CI Bootstrap

Uji permutasi dan bootstrapping

Menganalisis data miring dengan uji permutasi

Video penutup kursus

Simulation, Randomization, and Meta-Analysis

Median Rent

VC Investments

Bitcoin

University Rankings

Austin Salaries

Apa yang terjadi setelah Anda menghitung rata-rata dan membuat grafik? Bagaimana Anda beralih dari statistik deskriptif ke pengambilan keputusan yang meyakinkan? Bagaimana Anda menerapkan uji hipotesis untuk menyelesaikan masalah dunia nyata? Dalam kursus empat jam tentang dasar-dasar inferensi di Python ini, Anda akan mendapatkan pengalaman langsung dalam menarik kesimpulan yang kuat berdasarkan data. Anda akan mempelajari segala hal tentang pengambilan sampel dan menemukan bagaimana pengambilan sampel yang keliru dapat menyesatkan inferensi statistik.

Anda akan mulai dengan mengerjakan uji hipotesis untuk kenormalan dan korelasi, serta uji parametrik dan nonparametrik. Anda akan menjalankan uji ini menggunakan SciPy, dan menafsirkan keluarannya untuk pengambilan keputusan.

Selanjutnya, Anda akan mengukur kekuatan suatu hasil menggunakan ukuran efek (effect size) dan daya statistik (statistical power), sekaligus menghindari korelasi semu dengan menerapkan koreksi.

Terakhir, Anda akan menggunakan simulasi, pengacakan (randomization), dan meta-analisis untuk bekerja dengan beragam data, termasuk menganalisis ulang hasil dari peneliti lain.

Setelah mengikuti kursus ini, Anda akan mampu memanfaatkan big data untuk membuat keputusan berbasis prinsip yang dapat diandalkan para pemimpin. Anda akan melampaui grafik dan statistik ringkasan untuk menghasilkan hasil yang andal, dapat diulang, dan dapat dijelaskan.

<h2>Memahami Uji Hipotesis dengan Benar</h2>
Apa yang terjadi setelah Anda menghitung rata-rata dan membuat grafik Anda? Bagaimana cara beralih dari statistik deskriptif ke pengambilan keputusan yang percaya diri? Bagaimana Anda dapat menerapkan uji hipotesis untuk memecahkan masalah dunia nyata? Dalam kursus empat jam ini tentang dasar-dasar inferensi dalam Python, Anda akan mendapatkan pengalaman praktis dalam membuat kesimpulan yang valid berdasarkan data. Anda akan mempelajari segala hal tentang pengambilan sampel dan mengetahui bagaimana pengambilan sampel yang tidak tepat dapat mengacaukan kesimpulan statistik.

<h2>Analisis berbagai skenario yang luas.</h2>
Anda akan memulai dengan mengerjakan uji hipotesis untuk normalitas dan korelasi, serta uji parametrik dan non-parametrik. Anda akan menjalankan tes-tes ini menggunakan SciPy, dan menginterpretasikan hasilnya untuk digunakan dalam pengambilan keputusan.

Selanjutnya, Anda akan mengukur kekuatan suatu hasil menggunakan ukuran efek dan daya statistik, sambil menghindari korelasi palsu dengan menerapkan koreksi.

Akhirnya, Anda akan menggunakan simulasi, randomisasi, dan meta-analisis untuk bekerja dengan berbagai jenis data, termasuk menganalisis ulang hasil penelitian dari peneliti lain.

<h2>Menarik Kesimpulan yang Kokoh dari Big Data</h2>
Setelah mengikuti kursus ini, Anda akan mampu memanfaatkan big data secara efektif dan menggunakannya untuk mengambil keputusan yang berprinsip, yang dapat diandalkan oleh para pemimpin. Anda akan melampaui grafik dan statistik ringkasan untuk menghasilkan hasil yang andal, dapat diulang, dan dapat dijelaskan.

Hypothesis Testing in Python

Dapatkan pengalaman langsung membuat kesimpulan berdasarkan data dalam kursus 4 jam tentang inferensi statistik di Python.

Dasar-dasar Inferensi di Python

Dapatkan pengalaman praktis dalam membuat kesimpulan yang akurat berdasarkan data dalam kursus empat jam ini tentang inferensi statistik menggunakan Python.

Video penutup kursus

Create Your Free Account