Come funzionano i test di ipotesi e quali problemi possono risolvere? Per scoprirlo, seguirai il flusso di lavoro di un test per una proporzione su un solo campione. In questo percorso incontrerai concetti importanti come z-score, p-value ed errori di falso negativo e falso positivo.

Test d'ipotesi e z-score

A cosa serve l'A/B testing

Calcolare la media campionaria

Calcolare uno z-score

p-value

Processi penali e test di ipotesi

Opzioni

Due code

Coda sinistra

Coda destra

Coda sinistra, coda destra, due code

Calcolare i p-value

Significatività statistica

Decisioni basate sui p-value

Calcolare un intervallo di confidenza

Falsi positivi (errori di tipo I)

Falsi negativi (errori di tipo II)

Non è un errore

Errori di tipo I e di tipo II

Fondamenti dei test di ipotesi

In questo capitolo imparerai come testare le differenze tra le medie di due gruppi usando i t-test e come estendere l’analisi a più di due gruppi con ANOVA e t-test a coppie.

Eseguire i t-test

Flusso di lavoro per i test d'ipotesi

Statistica di test per due medie campionarie

Calcolare i p-value dai t-statistics

Perché serve la t?

La distribuzione t

Da t a p

t-test appaiati

Serve l’appaiamento?

Visualizzare la differenza

Uso di ttest()

Test ANOVA

Visualizzare molte categorie

Eseguire un test ANOVA

t-test a coppie

Test a due campioni e ANOVA

È il momento di testare le differenze tra proporzioni in due gruppi usando i test per le proporzioni. Con esercizi pratici, estenderai i test per le proporzioni a più di due gruppi con i test di indipendenza chi-quadro e tornerai al caso a un solo campione con i test di bontà di adattamento chi-quadro.

Test di proporzione a un campione

t per le proporzioni?

Test per proporzioni singole

Test sulle proporzioni a due campioni

Test su due proporzioni

proportions_ztest() per due campioni

Test del chi quadrato di indipendenza

La distribuzione chi-quadro

Quante code nei test chi-quadro?

Eseguire un test chi-quadrato

Test chi-quadrato di bontà dell’adattamento

Visualizzare l'adattamento (goodness of fit)

Eseguire un test di bontà dell'adattamento

Test per le proporzioni

Infine, è il momento di esaminare le ipotesi alla base dei test di ipotesi parametrici e vedere come utilizzare i test non parametrici quando tali ipotesi non sono soddisfatte.

Assunzioni nei test d'ipotesi

Assunzioni comuni dei test d'ipotesi

Verificare la dimensione del campione

Test non parametrici

Quale test parametrico?

Test dei ranghi con segno di Wilcoxon

ANOVA non parametrica e t-test per campioni indipendenti

Wilcoxon-Mann-Whitney

Kruskal-Wallis

Congratulazioni!

Late Shipments

Stack Overflow

U.S. Democrat Votes 2012/2016

U.S. Republican Votes 2008/2012

Course Glossary

Il testing d’ipotesi ti permette di rispondere a domande sui tuoi insiemi di dati in modo statisticamente rigoroso. In questo corso, potenzierai le tue abilità analitiche in Python imparando come e quando usare test comuni come t-test, test per le proporzioni e test chi-quadro. Lavorando con dati reali, tra cui feedback degli utenti di Stack Overflow e dati della catena di approvvigionamento per spedizioni di forniture mediche, acquisirai una profonda comprensione di come funzionano questi test e delle ipotesi chiave su cui si basano. Scoprirai anche come i test non parametrici possono aiutarti a superare i limiti dei test di ipotesi tradizionali.

I video includono trascrizioni in tempo reale che puoi visualizzare facendo clic su "Show transcript" in basso a sinistra nei video.
Il glossario del corso si trova a destra nella sezione delle risorse.
Per ottenere i crediti CPE devi completare il corso e raggiungere un punteggio del 70% nella valutazione qualificata. Puoi accedere alla valutazione facendo clic sull’avviso dei crediti CPE sulla destra.

Sampling in Python

Impara a usare test d'ipotesi comuni come t-test, test di proporzione e chi-quadro in Python.

Test di ipotesi in Python

Scopri come e quando usare i test di ipotesi più comuni come i test t, i test di proporzione e i test chi-quadrato in Python.

Scienziato dei dati associato  in Python

Analista dati  in Python

Fondamenti di statistica  in Python

Rifiutare l'ipotesi nulla quando in realtà l'ipotesi nulla è vera.

Dichiarare l'imputato colpevole quando in realtà l'imputato era innocente.

Non rifiutare l'ipotesi nulla quando in realtà l'ipotesi nulla è falsa

Dichiarare l'imputato non colpevole quando in realtà l'imputato ha commesso il reato

Rifiutare l'ipotesi nulla quando in realtà l'ipotesi nulla è falsa.

Dichiarare l'imputato non colpevole quando in realtà era innocente

Errori di tipo I e di tipo II

Test di ipotesi in Python

esercizio interattivo pratico