Выборка и смещение

Create Your Free Account

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Это упражнение является частью курса

Основы статистического вывода на Python

SkillTag.level.advancedSkillTag.label

4.9+

В этой главе мы рассмотрим связь между выборками и статистически обоснованными выводами. Выбор выборки лежит в основе грамотных статистических решений, и мы разберём, как он влияет на результаты статистического вывода.

Exercise 1: Статистический вывод и случайная выборка Exercise 2: Выборка и точечные оценки Exercise 3: Повторная выборка, точечные оценки и вывод Exercise 4: Выборка и смещение

Текущее упражнение

Exercise 5: Визуализация выборок Exercise 6: Вывод и смещение Exercise 7: Доверительные интервалы и выборка Exercise 8: Нормальные выборочные распределения Exercise 9: Вычисление доверительных интервалов Exercise 10: Выводы на основе выборок

Вы узнаете, как применять критерии нормальности, корреляционные тесты, а также параметрические и непараметрические методы для корректного статистического вывода. Критерии проверки гипотез — это инструменты, и правильный выбор среди них имеет ключевое значение для принятия статистических решений. Даже если вы уже знакомы с некоторыми из этих методов по вводным курсам, в этой главе вы углубите свои знания и расширите арсенал инструментов вывода.

Exercise 1: Тесты на нормальность Exercise 2: Проверка нормальности Exercise 3: Распределение ошибок Exercise 4: Подгонка нормального распределения Exercise 5: Тесты на корреляцию Exercise 6: Проверка на корреляцию Exercise 7: Автокорреляция Exercise 8: Объяснённая дисперсия Exercise 9: Параметрические тесты Exercise 10: Равенство дисперсий Exercise 11: Нормальность групп Exercise 12: ANOVA Exercise 13: Непараметрические тесты Exercise 14: Сравнение рейтингов Exercise 15: Сравнение медиан

В этой главе вы научитесь измерять и интерпретировать размер эффекта в различных ситуациях, познакомитесь с проблемой множественных сравнений и подробно изучите мощность статистического критерия. P-значения сообщают о том, является ли эффект значимым, но не говорят о его силе. Размер эффекта показывает, насколько сильное влияние оказывает воздействие. В этой главе вы освоите факторы, лежащие в основе размера эффекта.

Exercise 1: Величина эффекта Exercise 2: Размер эффекта для средних значений Exercise 3: Размер эффекта для корреляций Exercise 4: Размер эффекта для категориальных переменных Exercise 5: Множественные сравнения и поправки Exercise 6: Проблема множественных сравнений Exercise 7: Поправка Бонферрони–Холма Exercise 8: Мощность критерия Exercise 9: Что такое мощность критерия?Exercise 10: Мощность в экспериментальном дизайне Exercise 11: Вычисление мощности теста и размера выборки

Вы продолжите расширять свой инструментарий статистического вывода: познакомитесь с бутстрэпом, перестановочными критериями и методами объединения свидетельств на основе p-значений. Бутстрэп станет вашим первым шагом в мир статистического моделирования. В уроке по мета-анализу вы узнаете, как объединять результаты нескольких исследований. Завершит главу знакомство с перестановочными критериями — мощным и гибким непараметрическим статистическим инструментом.

Exercise 1: Бутстрэппинг Exercise 2: Доверительные интервалы на основе бутстрэпа Exercise 3: Бутстрэп и нормальность Exercise 4: Объединение данных на основе p-значений Exercise 5: Метод Фишера в SciPy Exercise 6: Статистический вывод с помощью метода Фишера Exercise 7: Резюме метода Фишера Exercise 8: Перестановочные тесты Exercise 9: Перестановочные тесты для корреляций Exercise 10: Перестановочные тесты и бутстрэп Exercise 11: Анализ асимметричных данных с помощью перестановочного теста Exercise 12: Заключительное видео курса