In this chapter you'll use bootstrapping techniques to estimate a single parameter from a numerical distribution.

Welkom bij de cursus!

Genereer een bootstrapverdeling voor de mediaan

Herhaal de percentiel- en standaardfoutmethoden

Bereken het bootstrap-interval met beide methoden

Welke methode is geschikter: percentiel of SE?

Doktersbezoeken tijdens de zwangerschap

Gemiddeld aantal doktersbezoeken

SD van het aantal doktersbezoeken

Het hercentreren van een bootstrapverdeling

Toets voor de mediaanprijs van 1 BR-appartementen in Manhattan

Trek een conclusie voor de hypothesetoets over de mediaan

Toets voor gemiddeld geboortegewicht van baby’s

Bootstrapping for estimating a parameter

In this chapter you'll use Central Limit Theorem based techniques to estimate a single parameter from a numerical distribution. You will do this using the t-distribution.

t-distribution

When to t?

Probabilities under the t-distribution

Cutoffs under the t-distribution

Estimating a mean with a t-interval

Average commute time of Americans

Average number of hours worked

t-interval for paired data

t-interval at various levels

Understanding confidence intervals

Testing a mean with a t-test

Estimate the median difference in textbook prices

Test for a difference in median test scores

Interpret the p-value

Introducing the t-distribution

In this chapter you'll extend what you have learned so far to use both simulation and CLT based techniques for inference on the difference between two parameters from two independent numerical distributions.

Hypothesis testing for comparing two means

Evaluating the effectiveness of stem cell treatment

Evaluating the effectiveness of stem cell treatment (cont.)

Conclusion of the hypothesis test

Evaluating the relationship between smoking during pregnancy and birth weight

Bootstrap CI for difference in two means

Quantifying the relationship between smoking during pregnancy and birth weight

Median lengths of pregnancies for smoking and non-smoking mothers

Comparing means with a t-test

Hourly pay vs. citizenship status

Estimating the difference of two means using a t-interval

Inference for difference in two parameters

In this chapter you will use ANOVA (analysis of variance) to test for a difference in means across many groups.

Vocabulary score vary between vs. (self identified) social class

EDA for vocabulary score vs. social class

Comparing many means, visually

ANOVA

ANOVA for vocabulary score vs. (self identified) social class

Conditions for ANOVA

Checking the normality condition

Checking the constant variance condition

Post-hoc testing

Calculate alpha*

Compare pairwise means

Congratulations!

Comparing many means

Chp1-vid1-boot-dist-noaxes-parantheses

Chp1-vid1-bootsamp-bootpop.001

Chp1-vid1-manhattan-rents

Chp1-vid2-boot-dist-withaxes

Chp1-vid2-perc-method.001

Chp1-vid2-perc-method.002

Chp1-vid3-boot-test.001

Chp3-vid3-hrly-rate-citizen-smaller

Chp3-vid3-hrly-rate-citizen

Chp4-vid1-class-bar

Chp4-vid1-wodrsum-hist

Gss moredays

GSS data

Manhattan rent data

Runners.001

Tdistcomparetonormaldist

In deze cursus leer je statistische technieken gebruiken om op basis van numerieke data conclusies te trekken en schattingen te maken. We behandelen twee benaderingen voor deze veelvoorkomende taken. De eerste gebruikt bootstrapping en permutatie om op steekproeven gebaseerde toetsen en betrouwbaarheidsintervallen te maken. De tweede gebruikt theoretische resultaten en de t-verdeling om hetzelfde te bereiken. Je leert hoe (en wanneer) je een t-toets uitvoert, een betrouwbaarheidsinterval opstelt en een ANOVA doet!

Foundations of Inference in R

Leer technieken zoals bootstrapping en t-verdeling voor statistische inferenties op numerieke data.

Inferentie voor numerieke data in R

In deze cursus leer je manieren om statistische conclusies te trekken uit cijfermatige gegevens.

Statistische conclusies in R

Welke methode is geschikter: percentiel of SE?

Inferentie voor numerieke data in R

Praktische interactieve oefening