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.

Hipotez testleri ve z-puanları

A/B testinin kullanım alanları

Örneklem ortalamasını hesaplama

z-skoru hesaplama

p-değerleri

Ceza davaları ve hipotez testleri

Seçenekler

İki kuyruk

Sol kuyruk

Sağ kuyruk

Sol kuyruk, sağ kuyruk, iki kuyruk

p-değerlerini hesaplama

İstatistiksel anlamlılık

p-değerlerinden karar vermek

Güven aralıklarını hesaplama

Yanlış pozitif (Tip I) hatalar

Yanlış negatif (Tip II) hatalar

Hata değil

Tip I ve tip II hatalar

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

Late shipments Bootstrap Distribution

Democratic Presidential Candidates by County

StackOverflow Survey

Late Shipments w/ Freight Cost Group

Hipotez testi, veri kümelerin hakkında sorular sormanı ve bunları istatistiksel olarak sağlam bir şekilde yanıtlamanı sağlar. Bu kursta t-testleri, oran testleri ve ki-kare testleri gibi yaygın testlerin nasıl ve ne zaman kullanılacağını öğreneceksin. Nasıl çalıştıklarını ve dayandıkları varsayımları derinlemesine anlayacaksın. Ayrıca, farklı hipotez testlerinin "Yalnızca tek bir test vardır" çerçevesiyle nasıl ilişkilendiğini öğrenecek ve geleneksel hipotez testlerinin gerekliliklerini aşmana olanak tanıyan parametrik olmayan testleri kullanacaksın. Kurs boyunca, bir Stack Overflow kullanıcı anketini ve tıbbi malzemelerin geciken sevkiyatlarına ait bir veri kümesini keşfedeceksin.

<h2>R'de Hipotez Testini Keşfedin </h2>
Hipotez testi, veri kümeleriniz hakkında sorular sormanıza ve bunları istatistiksel olarak titiz bir şekilde yanıtlamanıza olanak tanır. Bu derste, t-testleri, oran testleri ve ki-kare testleri gibi yaygın testlerin nasıl ve ne zaman kullanılacağını öğreneceksiniz. 
<br><br>
Bunların nasıl çalıştığı ve bunların temelini oluşturan varsayımlar hakkında derin bir anlayış kazanacaksınız. Ayrıca, "Tek bir test vardır" çerçevesini kullanarak farklı hipotez testlerinin birbirleriyle nasıl ilişkili olduğunu öğrenecek ve geleneksel hipotez testlerinin gerekliliklerini atlatmanızı sağlayan parametrik olmayan testleri kullanacaksınız.
<br><br>
<h2>T-Testleri ve Ki-Kare Testleri Hakkında Bilgi Edinin</h2>
R'da hipotez testinin neden yararlı olduğunu öğrenerek başlayacak ve ilerledikçe bazı temel kavramları inceleyeceksiniz. Ayrıca, t-testlerinin iki grup arasındaki ortalamaların farklılıklarını test etmenize nasıl yardımcı olabileceğini ve ki-kare testlerinin gözlemlenen sonuçları beklenen sonuçlarla karşılaştırmanıza nasıl yardımcı olabileceğini öğreneceksiniz.  
<br><br>
<h2>R Hipotez Testleri Arasındaki İlişkileri Anlamak</h2>
İlerledikçe, farklı testler arasındaki ilişkileri keşfedecek, rastgelelik unsurlarını, gözlem bağımsızlığını ve örneklem büyüklüklerini inceleyeceksiniz. 
<br><br>
Bu kursu tamamladığınızda, R'da hipotez testi ve verilerinizde belirli testleri ne zaman kullanmanın uygun olduğu konusunda daha derin bir anlayışa sahip olacaksınız. 
<br><br>
Kurs boyunca, Stack Overflow kullanıcı anketini ve tıbbi malzeme sevkiyatlarının gecikmelerine ilişkin veri setini inceleyeceksiniz.

Sampling in R

R'de hipotez testlerini, t-testi, oran testi ve ki-kare testi gibi yaygın testleri öğrenin.

R ile Hipotez Testi

R'da hipotez testi, t-testi, oran testi ve ki-kare testi gibi testleri nasıl ve ne zaman kullanacağınızı öğrenin. 

Yardımcı Veri Bilimcisi in R

Veri Analisti  in R

İstatistikçi in R

İstatistik Temelleri in R

40 yaşındakilerin oy tercihleriyle 80 yaşındakilerin oy tercihleri arasında bir fark var mı?

Slack ve Zoom’un son üç yıldaki ortalama çalışan sayıları birbirinden farklı mı olmalı?

Belçikalı çalışanların, İtalyan çalışanlara kıyasla daha az gelir elde ettiğine dair kanıt var mı?

Ortalama olarak, üzümler kuru üzümlerden daha az popüler mi?

Kediler köpeklere göre daha uzun yaşama eğiliminde mi?

Ortalama olarak, hamburgerler sosislilerden daha fazla kaloriye sahip mi?

Sol kuyruk, sağ kuyruk, iki kuyruk

R ile Hipotez Testi

Uygulamalı interaktif egzersiz