Lär dig varför hypotestestning är användbart och gå igenom arbetsflödet för ett enurvals-proportionstest. På vägen stöter du på viktiga begrepp som z-värden, p-värden och fel av typ I och typ II. Stack Overflow-enkäten och datamängden med försenade medicinska leveranser introduceras.

Hypotestester och z-värden

Användningsområden för A/B-testning

Beräkna stickprovsmedelvärdet

Beräkna ett z-värde

p-värden

Brottmål och hypotestester

Vänstersvans, högersvans eller tvåsvansigt

Beräkna p-värden

Statistisk signifikans

Beslut utifrån p-värden

Beräkna konfidensintervall

Typ I- och typ II-fel

Introduktion till hypotestestning

Lär dig hur du testar skillnader i medelvärden mellan två grupper med t-test, och hur du utökar det till fler än två grupper med ANOVA och parvisa t-test.

Utföra t-test

Arbetsflöde för hypotestestning

Teststatistika för tvåurvalstest av medelvärden

Beräkna p-värden från t-statistikor

Varför behövs t?

T-fördelningen

Från t till p

Parade t-test

Behövs parning?

Visualisera skillnaden

Använda t.test()

ANOVA-test

Visualisera många kategorier

Utföra ett ANOVA-test

Parade av t-tester

Tvåurvals- och ANOVA-test

Lär dig hur du testar skillnader i proportioner mellan två grupper med proportionstest, utökar det till fler än två grupper med chi-square-oberoende-test, och återvänder till enurvallsfallet med chi-square-anpassningstest.

Enurvalsproportionstest

t för proportioner?

Test för enkla proportioner

Proportionstest för två urval

Test av två proportioner

prop_test() för två stickprov

Chi-square oberoende test

Chi-kvadratfördelningen

Hur många svansar har chi-två-test?

Utföra ett chi-kvadrattest

Chi-square-test för god anpassning

Visualisera anpassningstest

Utföra ett anpassningstest

Proportionstest

Lär dig om de antaganden som parametriska hypotestest bygger på, och se hur simuleringsbaserade och rangbaserade icke-parametriska test kan användas när dessa antaganden inte är uppfyllda.

Antaganden vid hypotestestning

Vanliga antaganden för hypotestester

Testa urvalsstorlek

Ramverket "Det finns bara ett test"

Det finns bara ett test

Specificera och formulera hypoteser

Fortsätt infer-pipeline:n

Generera & beräkna

Observerad statistika och p-värde

Icke-parametrisk ANOVA och parade t-test

Simuleringsbaserat t-test

Rangsummetester

Grattis!

Icke-parametriska test

Late Shipments w/ Freight Cost Group

StackOverflow Survey

Democratic Presidential Candidates by County

Late shipments Bootstrap Distribution

Late Shipments

Med hypotestestning kan du ställa frågor om dina datamängder och besvara dem på ett statistiskt rigoröst sätt. I den här kursen lär du dig hur och när du ska använda vanliga test som t-test, proportionstest och chi-square-test. Du får en djup förståelse för hur de fungerar och vilka antaganden som ligger till grund för dem. Du lär dig också hur olika hypotestest hänger ihop via ramverket "There is only one test", och hur du kan använda icke-parametriska test när de traditionella testens krav inte uppfylls. Under kursens gång utforskar du en användarenkät från Stack Overflow och en datamängd med försenade leveranser av medicinska förnödenheter.

<h2>Upptäck hypotesprövning i R </h2>
Hypotesprövning låter dig ställa frågor om dina dataset och besvara dem på ett statistiskt rigoröst sätt. I den här kursen lär du dig hur och när du använder vanliga tester som t-test, proportionstester och chi-två-test. 
<br><br>
Du kommer att få en djup förståelse för hur de fungerar och vilka antaganden som ligger till grund för dem. Du kommer också att lära dig hur olika hypotesprövningar hänger ihop med hjälp av ramen ""Det finns bara ett test"" och använda icke-parametriska tester som låter dig kringgå kraven för traditionella hypotesprövningar.
<br><br>
<h2>Lär dig om t-test och chi-två-test</h2>
Du börjar med att lära dig varför hypotesprövning i R är användbart samtidigt som du går igenom några viktiga begrepp. Du kommer också att lära dig hur t-test kan hjälpa dig att testa skillnader i medelvärden mellan två grupper och hur chi-två-test kan hjälpa dig att jämföra observerade resultat med förväntade resultat.  
<br><br>
<h2>Förstå sambanden mellan R-hypotesprövningar</h2>
Allteftersom du går vidare kommer du att upptäcka sambanden mellan olika tester och utforska inslag som slumpmässighet, observationsoberoende och stickprovsstorlekar. 
<br><br>
När du har avslutat den här kursen kommer du att ha en djupare förståelse för hypotesprövning i R och när det är lämpligt att använda specifika tester på dina data. 
<br><br>
Under hela kursen kommer du att utforska en Stack Overflow-användarundersökning och en datamängd med försenade leveranser av medicinska förnödenheter.

Sampling in R

Lär dig om hypotesprövning i R, inklusive när och hur du använder t-test, proportionstest och chi-två-test.

Hypotestestning i R

Lär dig när och hur du använder hypotesprövning i R, inklusive t-test, proportionstest och chi-två-test. 

Fortsätt infer-pipeline:n

Create Your Free Account