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.

Hypothesis tests and z-scores

Uses of A/B testing

Calculating the sample mean

Calculating a z-score

p-values

Criminal trials and hypothesis tests

Options

Two tails

Left tail

Right tail

Left tail, right tail, two tails

Calculating p-values

Statistical significance

Decisions from p-values

Calculating confidence intervals

False positive (Type I) errors

False negative (Type II) errors

Not an error

Type I and type II errors

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 w/ Freight Cost Group

StackOverflow Survey

Democratic Presidential Candidates by County

Late shipments Bootstrap Distribution

Late Shipments

Hypothesis testing lets you ask questions about your datasets and answer them in a statistically rigorous way. In this course you'll learn how and when to use common tests like t-tests, proportion tests, and chi-square tests. You'll gain a deep understanding of how they work, and the assumptions that underlie them. You'll also learn how different hypothesis tests are related using the "There is only one test" framework, and use non-parametric tests that let you side-step the requirements of traditional hypothesis tests. Throughout the course, you'll explore a Stack Overflow user survey, and a dataset of late shipments of medical supplies.

<h2>Изучите проверку гипотез в R </h2>
Проверка гипотез позволяет задавать вопросы о ваших наборах данных и отвечать на них статистически строгим способом. В этом курсе вы узнаете, как и когда использовать распространённые тесты, такие как t-тесты, тесты пропорций и критерий хи-квадрат. 
<br><br>
Вы получите глубокое понимание того, как они работают и какие допущения лежат в их основе. Вы также узнаете, как связаны между собой различные тесты гипотез, используя концепцию «Существует только один тест», и освоите непараметрические тесты, которые позволяют обойти требования традиционных тестов гипотез.
<br><br>
<h2>Узнайте о t-критериях и критериях хи-квадрат</h2>
Вы начнёте с того, что узнаете, почему проверка гипотез в R полезна, попутно изучая некоторые ключевые концепции. Вы также узнаете, как t-критерии могут помочь вам проверять различия средних значений между двумя группами и как критерии хи-квадрат могут помочь вам сравнивать наблюдаемые результаты с ожидаемыми результатами.  
<br><br>
<h2>Поймите взаимосвязь между гипотезными тестами в R</h2>
По мере продвижения вы будете открывать для себя взаимосвязи между различными тестами, изучая элементы случайности, независимости наблюдений и размеров выборки. 
<br><br>
К моменту завершения этого курса вы получите более глубокое понимание проверки гипотез в R и того, когда уместно применять конкретные тесты к вашим данным. 
<br><br>
На протяжении всего курса вы будете изучать опрос пользователей Stack Overflow и набор данных о задержках поставок медицинских товаров.

Sampling in R

Узнайте о проверке гипотез в R: t-тесты, тесты пропорций и хи-квадрат.

Hypothesis Testing in R

Узнайте, как и когда применять проверку гипотез в R, включая t-тесты, тесты долей и критерий хи-квадрат. 

Младший специалист по данным и науке о данных на R

Аналитик данных  в R

Статистик на R

Основы статистики на R

Is there a difference between the voting preferences of 40-year-olds and those of 80-year-olds?

Should we expect Slack and Zoom to have dissimilar mean numbers of employees over the last three years?

Is there evidence to conclude that Belgian workers tend to make less income than Italian workers?

Are grapes lower in popularity than raisins, on average?

Do hamburgers have more calories than hot dogs, on average?

Left tail, right tail, two tails

Hypothesis Testing in R

Практическое интерактивное упражнение