Setelah mengikuti kursus-kursus ini, saya merasa percaya diri membuat visualisasi dan dasbor profesional
Deskripsi Kursus
Salah satu aspek dasar dalam analisis statistik adalah inferensi, yaitu proses menarik kesimpulan tentang populasi yang lebih besar dari sebuah sampel data. Meskipun tampak berlawanan dengan intuisi, praktik standar adalah mencoba membantah klaim riset yang bukan menjadi fokus utama. Misalnya, untuk menunjukkan bahwa satu perawatan medis lebih baik daripada yang lain, kita dapat berasumsi bahwa kedua perawatan menghasilkan tingkat kelangsungan hidup yang sama, lalu membuktikan bahwa asumsi tersebut ditolak oleh data. Selain itu, kita memperkenalkan gagasan nilai p (p-value), yaitu tingkat ketidaksepakatan antara data dan hipotesis. Kita juga membahas interval kepercayaan, yang mengukur besarnya efek yang menjadi perhatian (misalnya, seberapa banyak satu perawatan lebih baik dibanding yang lain).
Prasyarat
Kurikulum
Ringkasan kursus
1
Pendahuluan tentang gagasan inferensi
Pada bab ini, Anda akan meneliti bagaimana sampel berulang yang diambil dari suatu populasi dapat bervariasi. Variabilitas dalam sampel inilah yang memungkinkan Anda membuat klaim tentang populasi yang diminati. Penting untuk diingat bahwa klaim riset yang menjadi fokus adalah pada populasi, sementara informasi yang tersedia hanya berasal dari data sampel.
- Selamat datang di kursus ini!50 XP
- Hipotesis (1)50 XP
- Hipotesis (2)50 XP
- Distribusi teracak50 XP
- Bekerja dengan data NHANES100 XP
- Menghitung statistik yang diminati100 XP
- Data teracak di bawah model nol independensi100 XP
- Statistik teracak dan dotplot100 XP
- Kerapatan pengacakan100 XP
- Menggunakan sebaran pengacakan50 XP
- Apakah data berasal dari populasinya?100 XP
- Apa yang dapat Anda simpulkan?50 XP
- Kesimpulan studi50 XP
2
Menyelesaikan uji pengacakan: diskriminasi gender
Pada bab ini, Anda akan memperoleh perangkat dan pengetahuan untuk menyelesaikan uji hipotesis secara lengkap. Artinya, diberikan sebuah himpunan data, Anda akan mengetahui apakah tepat atau tidak untuk menolak hipotesis nol demi mendukung klaim riset yang diminati.
3
Kesalahan pengujian hipotesis: biaya peluang
Anda akan melanjutkan pembelajaran tentang pengujian hipotesis dengan contoh baru dan struktur uji pengacakan yang sama. Namun, pada bab ini fokusnya adalah pada berbagai kesalahan (tipe I dan tipe II), bagaimana kesalahan tersebut terjadi, kapan satu lebih buruk daripada yang lain, serta bagaimana hal seperti ukuran sampel dan besar efek memengaruhi tingkat kesalahan.
4
Interval kepercayaan
Sebagai pelengkap pengujian hipotesis, interval kepercayaan memungkinkan Anda memperkirakan parameter populasi. Ingat bahwa ketertarikan Anda selalu pada suatu karakteristik populasi, tetapi Anda hanya memiliki informasi yang tidak lengkap untuk memperkirakan parameter tersebut menggunakan data sampel. Di sini, parameternya adalah proporsi keberhasilan sebenarnya dalam suatu populasi. Bootstrapping digunakan untuk memperkirakan variabilitas yang diperlukan untuk membentuk interval kepercayaan.
R
Dasar-dasar Inferensi di R
Kursus
Selesai

