Name: R में Inference की बुनियाद
Rating: 4.773584905660377 (53 reviews)

कोर्स विवरण

सांख्यिकीय विश्लेषण के प्रमुख पहलुओं में से एक है inference — यानी डेटा के एक सैंपल से बड़ी आबादी के बारे में निष्कर्ष निकालना. भले यह उल्टा लगे, मानक प्रैक्टिस यह होती है कि रुचि वाले शोध दावे को सीधे साबित करने के बजाय एक ऐसे दावे को खारिज करने की कोशिश की जाती है जो रुचि का नहीं है. उदाहरण के लिए, यह दिखाने के लिए कि एक चिकित्सा उपचार दूसरे से बेहतर है, हम मान लेते हैं कि दोनों उपचार समान सर्वाइवल रेट देते हैं, ताकि डेटा इस मान्यता को गलत साबित कर सके. साथ ही, हम p-value की अवधारणा से परिचय कराते हैं — यानी डेटा और परिकल्पना के बीच असहमति की डिग्री. हम confidence intervals पर भी चर्चा करते हैं, जो रुचि वाले प्रभाव की परिमाण को मापते हैं (जैसे, एक उपचार दूसरे से कितना बेहतर है).

पूर्वापेक्षाएँ

Introduction to Regression in R Hypothesis Testing in R

पाठ्यक्रम

कोर्स रूपरेखा

Inference की अवधारणाओं का परिचय

इस अध्याय में, आप जाँचेंगे कि आबादी से लिए गए बार-बार के सैंपल कैसे बदल सकते हैं. सैंपल में यही परिवर्तनशीलता आपको लक्षित आबादी के बारे में दावे करने देती है. यह याद रखना महत्वपूर्ण है कि शोध के दावे आबादी पर केंद्रित होते हैं, जबकि आपके पास उपलब्ध जानकारी केवल सैंपल डेटा से आती है.

अध्याय शुरू करें

एक randomization test पूरा करना: जेंडर भेदभाव

इस अध्याय में, आप एक पूर्ण hypothesis test करने के लिए आवश्यक टूल और ज्ञान हासिल करेंगे. यानी, दिए गए किसी डेटासेट के आधार पर, आप जानेंगे कि शून्य परिकल्पना को रुचि वाले शोध दावे के पक्ष में खारिज करना उपयुक्त है या नहीं.

अध्याय शुरू करें

Hypothesis testing की त्रुटियाँ: opportunity cost

आप hypothesis testing के बारे में सीखना जारी रखेंगे — एक नए उदाहरण के साथ और randomization tests की वही संरचना रखते हुए. हालाँकि, इस अध्याय में ध्यान विभिन्न त्रुटियों (प्रकार I और प्रकार II) पर होगा — वे कैसे होती हैं, कब एक दूसरी से बदतर है, और सैंपल साइज व effect size जैसी चीजें त्रुटि दरों को कैसे प्रभावित करती हैं.

अध्याय शुरू करें

Confidence intervals

Hypothesis testing के पूरक के रूप में, confidence intervals आपको किसी आबादी के पैरामीटर का अनुमान लगाने देते हैं. याद करें कि आपकी रुचि हमेशा आबादी की किसी विशेष विशेषता में होती है, लेकिन पैरामीटर का अनुमान लगाने के लिए आपके पास केवल सैंपल डेटा से अधूरी जानकारी होती है. यहाँ पैरामीटर आबादी में वास्तविक सफलताओं का proportion है. Confidence interval बनाने के लिए आवश्यक परिवर्तनशीलता का अनुमान लगाने में bootstrapping का उपयोग किया जाता है.