Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
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
Lernprogramm
Kursübersicht
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.
- Willkommen im Kurs!50 XP
- Hypothesen (1)50 XP
- Hypothesen (2)50 XP
- Randomisierungsverteilungen50 XP
- Arbeiten mit den NHANES-Daten100 XP
- Berechnung der interessierenden Kennzahl100 XP
- Randomisierte Daten unter dem Nullmodell der Unabhängigkeit100 XP
- Randomisierte Statistiken und Punktdiagramm100 XP
- Randomisierungsdichte100 XP
- Die Randomisierungsverteilung verwenden50 XP
- Stammen die Daten aus der Grundgesamtheit?100 XP
- Was kannst du folgern?50 XP
- Studienfazit50 XP
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.
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.
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.
R
Grundlagen der Inferenz in R
Kurs
abgeschlossen
