Weiter zum Inhalt
StartseiteR

Kurs

Grundlagen der Inferenz in R

MittelSchwierigkeitsgrad
Aktualisiert 07/2024
Wir zeigen dir, wie du mithilfe statistischer Inferenz aus einer Datenstichprobe Schlussfolgerungen über eine Grundgesamtheit ziehen kannst.
Kurs kostenlos starten
RProbability & Statistics
4 Std.
17 Videos
58 Übungen
4,350 XP
38,682
Leistungsnachweis

Kostenloses Konto erstellen

Mit Google fortfahrenWeitere Optionen anzeigen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

Beliebt bei Lernenden in Tausenden Unternehmen

Group

Ein Team schulen?

Für Unternehmen ausprobieren

Kursbeschreibung

Einer der grundlegenden Aspekte der statistischen Analyse ist die Inferenz – also aus einer Stichprobe von Daten Schlussfolgerungen über eine größere Grundgesamtheit zu ziehen. Obwohl es kontraintuitiv wirkt, ist es gängige Praxis, zunächst zu versuchen, eine uninteressante Forschungsbehauptung zu widerlegen. Um zum Beispiel zu zeigen, dass eine medizinische Behandlung besser ist als eine andere, nehmen wir an, dass beide Behandlungen zu gleichen Überlebensraten führen, und lassen diese Annahme dann durch die Daten widerlegen. Außerdem führen wir den Begriff des p-Werts ein – das Maß dafür, wie stark die Daten mit der Hypothese im Widerspruch stehen. Darüber hinaus betrachten wir Konfidenzintervalle, die das Ausmaß des interessierenden Effekts messen (z. B. wie viel besser eine Behandlung im Vergleich zu einer anderen ist).

Voraussetzungen

Introduction to Regression in RHypothesis Testing in R
1

Einführung in Konzepte der Inferenz

In diesem Kapitel untersuchst du, wie sich wiederholte Stichproben aus einer Grundgesamtheit unterscheiden können. Diese Variabilität der Stichproben ermöglicht es dir, Aussagen über die relevante Population zu treffen. Wichtig ist, dass sich die Forschungsfragen auf die Grundgesamtheit beziehen, während dir Informationen nur aus den Stichprobendaten vorliegen.
Kapitel starten
2

Eine Randomisierungstest abschließen: Geschlechterdiskriminierung

In diesem Kapitel erhältst du die Werkzeuge und das Wissen, um einen vollständigen Hypothesentest durchzuführen. Das heißt: Anhand eines Datensatzes kannst du entscheiden, ob du die Nullhypothese zugunsten der interessierenden Forschungsbehauptung verwerfen solltest oder nicht.
Kapitel starten
3

Fehler beim Hypothesentesten: Opportunitätskosten

Du vertiefst das Hypothesentesten mit einem neuen Beispiel und derselben Struktur von Randomisierungstests. Der Fokus liegt hier jedoch auf verschiedenen Fehlern (Typ I und Typ II), wie sie entstehen, wann einer schwerer wiegt als der andere und wie Faktoren wie Stichprobengröße und Effektgröße die Fehlerraten beeinflussen.
Kapitel starten
4

Konfidenzintervalle

Als Ergänzung zum Hypothesentesten ermöglichen Konfidenzintervalle die Schätzung eines Populationsparameters. Denk daran: Dein Interesse gilt immer einer Eigenschaft der Population, aber zur Parameterschätzung stehen dir nur unvollständige Informationen aus Stichproben zur Verfügung. Hier ist der Parameter der wahre Anteil an Erfolgen in einer Population. Bootstrapping wird genutzt, um die Variabilität zu schätzen, die für das Konfidenzintervall benötigt wird.
Kapitel starten
Grundlagen der Inferenz in R
Kurs
abgeschlossen

Leistungsnachweis verdienen

Füge diesen Fähigkeitsnachweis zu deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzu
Teile es auf Social Media und in deiner LeistungsbeurteilungJetzt anmelden

    Schließe dich 19 Millionen Lernenden an und starte Grundlagen der Inferenz in R heute!

    Kostenloses Konto erstellen

    Mit Google fortfahrenWeitere Optionen anzeigen

    oder

    Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

    DataCamp gibt es auch für Mobilgeräte

    Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.