Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
In diesem Kurs lernst du, wie du mithilfe statistischer Verfahren aus numerischen Daten Schlussfolgerungen ziehst und Schätzungen vornimmst. Dabei verwenden wir zwei Ansätze für diese typischen Aufgaben. Der erste nutzt Bootstrapping und Permutation, um stichprobenbasierte Tests und Konfidenzintervalle zu erstellen. Der zweite stützt sich auf theoretische Ergebnisse und die t-Verteilung, um dasselbe Ziel zu erreichen. Du lernst, wie (und wann) du einen t-Test durchführst, ein Konfidenzintervall erstellst und eine ANOVA machst!
Voraussetzungen
Lernprogramm
Kursübersicht
1
Bootstrapping zur Parameterschätzung
In diesem Kapitel verwendest du Bootstrapping-Techniken, um einen einzelnen Parameter aus einer numerischen Verteilung zu schätzen.
- Willkommen zum Kurs!50 XP
- Bootstrap-Verteilung für den Median erzeugen100 XP
- Prozentil- und Standardfehler-Methoden wiederholen50 XP
- Bootstrap-Intervall mit beiden Methoden berechnen100 XP
- Welche Methode ist passender: Perzentil oder SE?50 XP
- Arztbesuche während der Schwangerschaft50 XP
- Durchschnittliche Anzahl von Arztbesuchen100 XP
- Standardabweichung der Anzahl an Arztbesuchen100 XP
- Eine Bootstrap-Verteilung neu zentrieren50 XP
- Test für den Medianpreis von 1-Zimmer-Wohnungen in Manhattan100 XP
- Ziehe das Fazit des Hypothesentests zum Median50 XP
- Test für das durchschnittliche Geburtsgewicht von Babys100 XP
2
Einführung in die t-Verteilung
In diesem Kapitel verwendest du auf dem zentralen Grenzwertsatz basierende Techniken, um einen einzelnen Parameter aus einer numerischen Verteilung zu schätzen. Das machst du mit der t-Verteilung.
3
Schlussfolgerungen für die Differenz zweier Parameter
In diesem Kapitel erweiterst du das bisher Gelernte und verwendest sowohl simulations- als auch ZGS-basierte Techniken, um die Differenz zwischen zwei Parametern aus zwei unabhängigen numerischen Verteilungen zu untersuchen.
4
Viele Mittelwerte vergleichen
In diesem Kapitel verwendest du ANOVA (analysis of variance), um zu testen, ob sich Mittelwerte über viele Gruppen hinweg unterscheiden.
R
Schlussfolgerungen für numerische Daten in R
Kurs
abgeschlossen
