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.

Test d'ipotesi e z-score

A cosa serve l'A/B testing

Calcolare la media del campione

Calcolare uno z-score

p-value

Processi penali e test d'ipotesi

Opzioni

Due code

Coda sinistra

Coda destra

Coda sinistra, coda destra, due code

Calcolare i p-value

Significatività statistica

Decisioni dai p-value

Calcolare gli intervalli di confidenza

Errori di falso positivo (Tipo I)

Errori di falso negativo (Tipo II)

Nessun errore

Errori di tipo I e di tipo II

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.

Performing t-tests

Hypothesis testing workflow

Two sample mean test statistic

Calculating p-values from t-statistics

Why is t needed?

The t-distribution

From t to p

Paired t-tests

Is pairing needed?

Visualizing the difference

Using t.test()

ANOVA tests

Visualizing many categories

Conducting an ANOVA test

Pairwise t-tests

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

I test di ipotesi ti permettono di porre domande sui tuoi insiemi di dati e rispondervi in modo statisticamente rigoroso. In questo corso imparerai come e quando usare test comuni come i t-test, i test per le proporzioni e i test chi-quadro. Otterrai una comprensione profonda di come funzionano e delle ipotesi su cui si basano. Imparerai anche come i vari test di ipotesi sono collegati grazie al framework "C’è un solo test" e userai test non parametrici che ti permettono di aggirare i requisiti dei test classici. Durante il corso esplorerai un sondaggio degli utenti di Stack Overflow e un insieme di dati sulle spedizioni in ritardo di forniture mediche.

<h2>Scopri il test di ipotesi in R </h2>
Il test di ipotesi ti permette di fare domande sui tuoi set di dati e rispondere in modo statistico rigoroso. In questo corso imparerai come e quando usare test comuni come i test t, i test di proporzione e i test chi-quadrato. 
<br><br>
Capirai bene come funzionano e quali sono le ipotesi su cui si basano. Imparerai anche come i diversi test di ipotesi sono collegati usando il concetto di "Esiste un solo test" e userai test non parametrici che ti permettono di evitare i requisiti dei test di ipotesi tradizionali.
<br><br>
<h2>Scopri i test T e i test del chi quadrato</h2>
Inizierai scoprendo perché i test di ipotesi in R sono utili, mentre analizzi alcuni concetti chiave. Imparerai anche come i test t possono aiutarti a verificare le differenze nelle medie tra due gruppi e come i test chi-quadrato possono aiutarti a confrontare i risultati osservati con quelli attesi.  
<br><br>
<h2>Capire le relazioni tra i test di ipotesi R</h2>
Man mano che vai avanti, scoprirai le relazioni tra i diversi test, esplorando elementi di casualità, indipendenza dell'osservazione e dimensioni dei campioni. 
<br><br>
Quando avrai finito questo corso, capirai meglio come fare i test di ipotesi in R e quando è meglio usare test specifici sui tuoi dati. 
<br><br>
Durante il corso, darai un'occhiata a un sondaggio tra gli utenti di Stack Overflow e a un set di dati sulle consegne in ritardo di forniture mediche.

Sampling in R

Scopri i test d'ipotesi in R, inclusi t-test, test di proporzione e chi-quadro.

Test di ipotesi in R

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

Scienziato dei dati associato in R

Analista dati  in R

Statistico in R

Fondamenti di statistica in R

C'è una differenza tra le preferenze di voto dei quarantenni e quelle degli ottantenni?

Dovremmo aspettarci che Slack e Zoom abbiano numeri medi di dipendenti diversi negli ultimi tre anni?

Ci sono evidenze per concludere che i lavoratori belgi tendano a guadagnare meno dei lavoratori italiani?

In media, l'uva è meno popolare dell'uvetta?

I gatti tendono a vivere più a lungo dei cani?

Gli hamburger hanno più calorie dei hot dog, in media?

Coda sinistra, coda destra, due code

Test di ipotesi in R

Esercizio pratico interattivo