After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Uno degli aspetti fondamentali dell’analisi statistica è l’inferenza, cioè il processo di trarre conclusioni su una popolazione più ampia a partire da un campione di dati. Anche se può sembrare controintuitivo, la prassi standard è cercare di confutare un’ipotesi di ricerca che non ci interessa. Per esempio, per dimostrare che un trattamento medico è migliore di un altro, possiamo assumere che i due trattamenti portino alla stessa sopravvivenza, per poi lasciare che siano i dati a smentire questa ipotesi. Inoltre, introduciamo il concetto di p-value, ovvero il grado di disaccordo tra i dati e l’ipotesi. Approfondiremo anche gli intervalli di confidenza, che misurano l’entità dell’effetto di interesse (ad es. quanto un trattamento è migliore di un altro).
Prerequisiti
Curriculum
Programma del corso
1
Introduzione ai concetti di inferenza
In questo capitolo esplorerai come possono variare i campioni ripetuti estratti da una popolazione. È proprio la variabilità dei campioni che ti permette di formulare affermazioni sulla popolazione di interesse. Ricorda che le affermazioni di ricerca riguardano la popolazione, mentre le informazioni disponibili provengono solo dai dati campionari.
- Benvenuto al corso!50 XP
- Ipotesi (1)50 XP
- Ipotesi (2)50 XP
- Distribuzioni randomizzate50 XP
- Lavorare con i dati NHANES100 XP
- Calcolare la statistica di interesse100 XP
- Dati randomizzati sotto il modello nullo di indipendenza100 XP
- Statistiche randomizzate e dotplot100 XP
- Densità della randomizzazione100 XP
- Usare la distribuzione di randomizzazione50 XP
- I dati provengono dalla popolazione?100 XP
- Cosa puoi concludere?50 XP
- Conclusioni dello studio50 XP
2
Completare un test di randomizzazione: discriminazione di genere
In questo capitolo acquisirai gli strumenti e le conoscenze per eseguire un test d’ipotesi completo. Dato un insieme di dati, saprai se è appropriato o meno rifiutare l’ipotesi nulla a favore dell’ipotesi di ricerca di interesse.
3
Errori nei test d’ipotesi: costo opportunità
Continuerai a lavorare sui test d’ipotesi con un nuovo esempio e la stessa struttura dei test di randomizzazione. In questo capitolo, però, l’attenzione sarà rivolta ai diversi errori (tipo I e tipo II), a come si commettono, a quando uno è peggiore dell’altro e a come fattori come dimensione del campione ed entità dell’effetto influenzano i tassi di errore.
4
Intervalli di confidenza
Come complemento ai test d’ipotesi, gli intervalli di confidenza ti permettono di stimare un parametro di popolazione. Ricorda che il tuo interesse è sempre rivolto a una caratteristica della popolazione, ma disponi solo di informazioni incomplete per stimare il parametro usando dati campionari. Qui, il parametro è la vera proporzione di successi in una popolazione. Il bootstrapping viene usato per stimare la variabilità necessaria a costruire l’intervallo di confidenza.
R
Fondamenti di inferenza in R
Corso
completato
