Dowiedz się, dlaczego testowanie hipotez jest przydatne, i prześledzisz krok po kroku sposób działania jednoróbkowego testu proporcji. Poznasz przy tym ważne pojęcia, takie jak wyniki z, wartości p oraz błędy fałszywie ujemne i fałszywie dodatnie. Zostają tu też wprowadzone zbiory danych: ankieta Stack Overflow i opóźnione dostawy materiałów medycznych.

Testy hipotez i wyniki z

Zastosowania testów A/B

Obliczanie średniej z próby

Obliczanie z-score

Wartości p

Procesy karne a testy hipotez

Lewy ogon, prawy ogon, dwa ogony

Obliczanie p-wartości

Istotność statystyczna

Decyzje na podstawie wartości p

Obliczanie przedziałów ufności

Błędy typu I i typu II

Wprowadzenie do testowania hipotez

Naucz się testować różnice średnich między dwiema grupami za pomocą testów t, a następnie rozszerz to podejście na więcej niż dwie grupy, korzystając z ANOVA i parowych testów t.

Wykonywanie testów t

Schemat testowania hipotez

Statystyka testowa dla testu dwóch średnich

Obliczanie p-wartości na podstawie statystyki t

Kiedy potrzebny jest rozkład t?

Rozkład t

Od t do p

Sparowane testy t

Sparowany vs. niesparowany test t

Sparowany

Niesparowany

Czy parowanie jest potrzebne?

Wizualizacja różnicy

Używanie t.test()

Testy ANOVA

Wizualizacja wielu kategorii

Przeprowadzanie testu ANOVA

Parowe testy t

Testy dwupróbkowe i ANOVA

Naucz się testować różnice proporcji między dwiema grupami za pomocą testów proporcji, rozszerz to podejście na więcej niż dwie grupy z użyciem testów niezależności chi-kwadrat, a następnie wróć do przypadku jednej próby z testami dobroci dopasowania chi-kwadrat.

Jednoprópkowe testy proporcji

t dla proporcji?

Test dla jednej proporcji

Testy proporcji dla dwóch prób

Test dla dwóch proporcji

prop_test() dla dwóch próbek

Chi-kwadrat test niezależności

Rozkład chi-kwadrat

Ile ogonów ma test chi-kwadrat?

Wykonywanie testu chi-kwadrat

Testy zgodności chi-kwadrat

Wizualizacja dopasowania rozkładu

Przeprowadzanie testu zgodności z rozkładem

Testy proporcji

Poznaj założenia parametrycznych testów hipotez i sprawdź, jak testy nieparametryczne oparte na symulacji i rangach mogą być stosowane, gdy te założenia nie są spełnione.

Założenia testów hipotez

Wspólne założenia testów hipotez

Sprawdzanie wielkości próby

Framework „jeden test to wszystko"

Jest tylko jeden test

Określanie i stawianie hipotez

Kontynuowanie potoku infer

Generowanie i obliczanie

Obserwowana statystyka i p-wartość

Nieparametryczna ANOVA i testy t dla prób niezależnych

Symulacyjny test t

Testy sum rang

Gratulacje!

Testy nieparametryczne

Late Shipments w/ Freight Cost Group

StackOverflow Survey

Democratic Presidential Candidates by County

Late shipments Bootstrap Distribution

Late Shipments

Testowanie hipotez pozwala zadawać pytania dotyczące zbiorów danych i odpowiadać na nie w statystycznie rygorystyczny sposób. W tym kursie nauczysz się, jak i kiedy stosować popularne testy, takie jak testy t, testy proporcji i testy chi-kwadrat. Dogłębnie zrozumiesz, jak działają i jakie założenia leżą u ich podstaw. Poznasz też powiązania między różnymi testami hipotez w ramach podejścia „Jest tylko jeden test" oraz nauczysz się stosować testy nieparametryczne, które pozwalają ominąć wymagania tradycyjnych testów. Przez cały kurs będziesz analizować wyniki ankiety użytkowników Stack Overflow oraz zbiór danych dotyczący opóźnionych dostaw materiałów medycznych.

<h2>Odkryj testowanie hipotez w R </h2>
Testowanie hipotez pozwala zadawać pytania dotyczące swoich zbiorów danych i odpowiadać na nie w sposób statystycznie rygorystyczny. W tym kursie nauczysz się, jak i kiedy stosować popularne testy, takie jak testy t, testy proporcji i testy chi-kwadrat. 
<br><br>
Zdobędziesz dogłębne zrozumienie tego, jak działają i jakie założenia leżą u ich podstaw. Nauczysz się też, jak różne testy hipotez są ze sobą powiązane, korzystając z ram „Istnieje tylko jeden test”, oraz używać testów nieparametrycznych, które pozwalają ominąć wymagania tradycyjnych testów hipotez.
<br><br>
<h2>Dowiedz się o testach t-Studenta i testach chi-kwadrat</h2>
Zaczniesz od poznania, dlaczego testowanie hipotez w R jest przydatne, jednocześnie po drodze omawiając kilka kluczowych pojęć. Nauczysz się też, jak testy t mogą pomóc w sprawdzaniu różnic średnich między dwiema grupami oraz jak testy chi-kwadrat mogą pomóc w porównywaniu wyników obserwowanych z wynikami oczekiwanymi.  
<br><br>
<h2>Zrozum relacje między testami hipotez w R</h2>
W miarę postępów odkryjesz zależności między różnymi testami, poznając elementy losowości, niezależności obserwacji i wielkości prób. 
<br><br>
Po ukończeniu tego kursu będziesz mieć głębsze zrozumienie testowania hipotez w R oraz tego, kiedy warto stosować konkretne testy do swoich danych. 
<br><br>
W trakcie kursu przeanalizujesz ankietę użytkowników Stack Overflow oraz zbiór danych dotyczący opóźnionych dostaw materiałów medycznych.

Sampling in R

Poznaj testowanie hipotez w R, w tym użycie testów t, testów proporcji i testów chi-kwadrat.

Testowanie hipotez w R

Naucz się, kiedy i jak stosować testowanie hipotez w R, w tym testy t, testy proporcji i testy chi-kwadrat. 

Młodszy Data Scientist w R

Analityk danych  w R

Statystyk w R

Podstawy statystyki w R

Aby sprawdzić skuteczność nowej techniki nauki w szkole podstawowej, przeprowadzono pre- i post-testy na tej samej losowej próbce uczniów.

Naukowcy chcą sprawdzić, czy starsze dzieci mniej lubią słodkie niż młodsze. Ankietę dotyczącą preferencji smakowych przeprowadzono wśród par rodzeństwa.

Aby sprawdzić skuteczność nowej techniki nauki w szkole podstawowej, przeprowadzono pre- i post-testy na dwóch różnych losowych próbkach uczniów.

Aby zbadać wpływ miejsca zamieszkania na dochody, przeprowadzono dwie oddzielne ankiety – jedną wśród dorosłych mieszkających w Kijowie, drugą wśród dorosłych mieszkających w Londynie.

Czy parowanie jest potrzebne?

Testowanie hipotez w R

Interaktywne ćwiczenie praktyczne