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

Welcome to the course!

Generate bootstrap distribution for median

Review percentile and standard error methods

Calculate bootstrap interval using both methods

Which method more appropriate: percentile or SE?

Doctor visits during pregnancy

Average number of doctor's visits

SD of number of doctor's visits

Re-centering a bootstrap distribution

Test for median price of 1 BR apartments in Manhattan

Conclude the hypothesis test on median

Test for average weight of babies

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-verdeling

Wanneer gebruik je t?

Kansen onder de t-verdeling

Afkapwaarden onder de t-verdeling

Een gemiddelde schatten met een t-interval

Gemiddelde reistijd naar werk van Amerikanen

Gemiddeld aantal gewerkte uren

t-interval voor gepaarde data

t-interval bij verschillende niveaus

Betrouwbaarheidsintervallen begrijpen

Een gemiddelde toetsen met een t-toets

Schat het mediane verschil in studieboekprijzen

Test voor een verschil in mediane testscores

Interpreteer de p-waarde

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

Wanneer gebruik je t?

Inferentie voor numerieke data in R

Interactieve oefening met praktijkervaring