Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
L’un des fondements de l’analyse statistique est l’inférence, c’est‑à‑dire le fait de tirer des conclusions sur une population à partir d’un échantillon de données. Bien que contre‑intuitive, la pratique courante consiste à tenter de réfuter une hypothèse de recherche qui n’est pas celle qui nous intéresse directement. Par exemple, pour montrer qu’un traitement médical est meilleur qu’un autre, on suppose d’abord que les deux traitements donnent des taux de survie égaux, puis on laisse les données infirmer cette hypothèse. Nous introduisons également la notion de p‑value, qui mesure le degré de désaccord entre les données et l’hypothèse. Nous abordons aussi les intervalles de confiance, qui quantifient l’ampleur de l’effet étudié (par exemple, de combien un traitement surpasse un autre).
Prérequis
Programme de formation
Plan du cours
1
Introduction aux idées d’inférence
Dans ce chapitre, vous étudierez comment des échantillons répétés prélevés dans une population peuvent varier. C’est la variabilité des échantillons qui vous permet de formuler des affirmations sur la population d’intérêt. Il est important de garder à l’esprit que les hypothèses de recherche portent sur la population, alors que les informations disponibles proviennent uniquement des données d’échantillon.
- Bienvenue dans le cours !50 XP
- Hypothèses (1)50 XP
- Hypothèses (2)50 XP
- Distributions aléatoires50 XP
- Travailler avec les données NHANES100 XP
- Calculer la statistique d’intérêt100 XP
- Données randomisées sous un modèle nul d’indépendance100 XP
- Statistiques aléatoires et dotplot100 XP
- Densité de randomisation100 XP
- Utiliser la distribution de randomisation50 XP
- Les données proviennent-elles de la population ?100 XP
- Que pouvez-vous conclure ?50 XP
- Conclusions de l’étude50 XP
2
Mener un test de randomisation : discrimination liée au genre
Dans ce chapitre, vous acquerrez les outils et connaissances nécessaires pour mener un test d’hypothèse complet. Autrement dit, à partir d’un jeu de données, vous saurez s’il est pertinent ou non de rejeter l’hypothèse nulle au profit de l’hypothèse de recherche.
3
Erreurs des tests d’hypothèse : coût d’opportunité
Vous poursuivrez l’apprentissage des tests d’hypothèse avec un nouvel exemple et la même structure de tests par randomisation. Dans ce chapitre, l’accent sera toutefois mis sur différentes erreurs (type I et type II), la manière dont elles surviennent, quand l’une est plus grave que l’autre, et comment des éléments comme la taille d’échantillon et la taille d’effet influencent les taux d’erreur.
4
Intervalles de confiance
En complément des tests d’hypothèse, les intervalles de confiance permettent d’estimer un paramètre de population. Rappelez‑vous que votre intérêt porte toujours sur une caractéristique de la population, mais que vous ne disposez que d’informations partielles pour estimer le paramètre à partir des données d’échantillon. Ici, le paramètre est la véritable proportion de succès dans une population. Le bootstrap est utilisé pour estimer la variabilité nécessaire à la construction de l’intervalle de confiance.
R
Bases de l’inférence en R
Cours
terminé
