Hypothesentests in Python
Kurs Kostenlos Starten4 Stunden15 Videos50 Übungen38.207 LernendeLeistungsnachweis
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.Trainierst du 2 oder mehr?
Versuchen DataCamp for BusinessBeliebt bei Lernenden in Tausenden Unternehmen
Kursbeschreibung
Mit Hypothesentests kannst du Fragen zu deinen Datensätzen auf statistisch fundierte Weise beantworten. In diesem Kurs verbesserst du deine analytischen Fähigkeiten in Python, indem du lernst, wie und wann du gängige Tests wie t-Tests, Proportionstests und Chi-Quadrat-Tests anwenden kannst. Durch die Arbeit mit realen Daten, wie z.B. Stack Overflow-Nutzerfeedback und Lieferkettendaten für medizinische Lieferungen, wirst du ein tiefes Verständnis dafür gewinnen, wie diese Tests funktionieren und welche Annahmen ihnen zugrunde liegen. Außerdem erfährst du, wie nicht-parametrische Tests eingesetzt werden können, um über die Grenzen der traditionellen Hypothesentests hinauszugehen.
Für Unternehmen
Trainierst du 2 oder mehr?
Erhalten Sie für Ihr Team Zugriff auf die vollständige DataCamp-Bibliothek mit zentralisierten Berichten, Zuweisungen, Projekten und mehrIn den folgenden Tracks
Grundlagen der Statistik mit Python
Gehe zu Track- 1
Grundlagen der Hypothesenprüfung
KostenlosWie funktioniert das Testen von Hypothesen und welche Probleme kann es lösen? Um das herauszufinden, gehst du durch den Arbeitsablauf für einen Proportionstest mit einer Probe. Dabei lernst du wichtige Konzepte wie z-Scores, p-Werte sowie falsch negative und falsch positive Fehler kennen.
Hypothesentests und z-Scores50 xpEinsatzmöglichkeiten von A/B-Tests50 xpBerechnung des Stichprobenmittelwerts100 xpBerechnen eines z-Scores100 xpp-Werte50 xpStrafprozesse und Hypothesentests50 xpLinker Schwanz, rechter Schwanz, zwei Schwänze100 xpBerechnen von p-Werten100 xpStatistische Bedeutung50 xpEntscheidungen aus p-Werten50 xpBerechnen eines Konfidenzintervalls100 xpFehler Typ I und Typ II100 xp - 2
Tests mit zwei Stichproben und ANOVA
In diesem Kapitel lernst du, wie du mit t-Tests auf Mittelwertunterschiede zwischen zwei Gruppen testen kannst und wie du dies mit ANOVA und paarweisen t-Tests auf mehr als zwei Gruppen ausweiten kannst.
Durchführung von t-Tests50 xpArbeitsablauf der Hypothesentests100 xpZwei-Stichproben-Mittelwert-Teststatistik100 xpBerechnen von p-Werten aus t-Statistiken50 xpWarum wird t benötigt?50 xpDie t-Verteilung50 xpVon t bis p100 xpGepaarte t-Tests50 xpIst eine Paarung erforderlich?100 xpDen Unterschied sichtbar machen100 xpttest() verwenden100 xpANOVA Tests50 xpViele Kategorien visualisieren100 xpDurchführen eines ANOVA Tests100 xpPaarweise t-Tests100 xp - 3
Proportionale Tests
Jetzt ist es an der Zeit, mit Hilfe von Proportionstests zu prüfen, ob es Unterschiede in den Anteilen zwischen zwei Gruppen gibt. In praktischen Übungen erweiterst du deine Proportionstests mit Chi-Quadrat-Unabhängigkeitstests auf mehr als zwei Gruppen und kehrst mit Chi-Quadrat-Anpassungstests zum Fall mit einer Stichprobe zurück.
Proportionstests bei einer Stichprobe50 xpt für Proportionen?50 xpTest für einzelne Proportionen100 xpZwei-Stichproben-Proportionstests50 xpTest von zwei Proportionen100 xpproportions_ztest() für zwei Stichproben100 xpChi-Quadrat-Test der Unabhängigkeit50 xpDie Chi-Quadrat-Verteilung50 xpWie viele Schwänze gibt es bei Chi-Quadrat-Tests?50 xpDurchführen eines Chi-Quadrat-Tests100 xpChi-Quadrat-Tests zur Anpassungsgüte50 xpVisualisierung der Anpassungsgüte100 xpDurchführen eines Goodness-of-Fit-Tests100 xp - 4
Nichtparametrische Tests
Zum Schluss lernst du die Annahmen parametrischer Hypothesentests kennen und erfährst, wie nicht-parametrische Tests verwendet werden können, wenn diese Annahmen nicht erfüllt sind.
Annahmen bei Hypothesentests50 xpGemeinsame Annahmen von Hypothesentests50 xpStichprobengröße testen100 xpNicht-parametrische Tests50 xpWelcher parametrische Test?50 xpWilcoxon Signed-Rank-Test100 xpNicht-parametrische ANOVA und ungepaarte t-Tests50 xpWilcoxon-Mann-Whitney100 xpKruskal-Wallis100 xpHerzlichen Glückwunsch!50 xp
Für Unternehmen
Trainierst du 2 oder mehr?
Erhalten Sie für Ihr Team Zugriff auf die vollständige DataCamp-Bibliothek mit zentralisierten Berichten, Zuweisungen, Projekten und mehrIn den folgenden Tracks
Grundlagen der Statistik mit Python
Gehe zu TrackMitwirkende
Voraussetzungen
Sampling in PythonJames Chapman
Mehr AnzeigenCurriculum Manager, DataCamp
Was sagen andere Lernende?
Melden Sie sich an 15 Millionen Lernende und starten Sie Hypothesentests in Python Heute!
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.