After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Capire davvero i test di ipotesi
Cosa succede dopo aver calcolato le medie e creato i grafici? Come si fa a passare dalle statistiche descrittive a decisioni sicure? Come puoi usare i test di ipotesi per risolvere problemi del mondo reale? In questo corso di quattro ore sulle basi dell'inferenza in Python, potrai fare pratica nel trarre conclusioni valide basate sui dati. Imparerai tutto sul campionamento e scoprirai come un campionamento sbagliato può mandare all'aria le inferenze statistiche.Analizza un sacco di scenari diversi
Inizierai lavorando con test di ipotesi per la normalità e la correlazione, oltre a test sia parametrici che non parametrici. Eseguirai questi test usando SciPy e interpreterai i risultati per prendere delle decisioni.Poi, misurerai quanto è forte un risultato usando la dimensione dell'effetto e la potenza statistica, evitando correlazioni false con delle correzioni.Infine, userai la simulazione, la randomizzazione e la meta-analisi per lavorare con un sacco di dati, anche rianalizzando i risultati di altri ricercatori.Tirare conclusioni solide dai big data
Dopo il corso, potrai usare i big data per prendere decisioni basate su principi su cui i leader possono contare. Andrai ben oltre i grafici e le statistiche riassuntive per ottenere risultati affidabili, ripetibili e spiegabili.Prerequisiti
Curriculum
Programma del corso
1
Statistica inferenziale e campionamento
In questo capitolo esploreremo la relazione tra campioni e conclusioni giustificabili dal punto di vista statistico. La scelta di un campione è la base per decisioni statistiche solide, e vedremo come questa scelta influenzi l’esito della tua inferenza.
- Inferenza statistica e campionamento casuale50 XP
- Campionamento e stime puntuali100 XP
- Campionamento ripetuto, stime puntuali e inferenza100 XP
- Campionamento e bias50 XP
- Visualizzare i campioni100 XP
- Inferenza e bias100 XP
- Intervalli di confidenza e campionamento50 XP
- Distribuzioni campionarie normali100 XP
- Calcolare gli intervalli di confidenza100 XP
- Trarre conclusioni dai campioni100 XP
2
Cassetta degli attrezzi per i test d’ipotesi
Scopri come applicare test di normalità, test di correlazione e test parametrici e non parametrici per un'inferenza solida. I test di ipotesi sono strumenti, e scegliere quello giusto per il compito è cruciale per il decision making statistico. Anche se potresti conoscerne alcuni dai corsi introduttivi, qui andrai più a fondo per potenziare la tua cassetta degli attrezzi inferenziale.
3
Effect size
In questo capitolo misurerai e interpreterai l’effect size in vari contesti, affronterai il problema dei confronti multipli ed esplorerai in profondità la potenza di un test. Mentre i p-value ti dicono se è presente un effetto significativo, non indicano quanto sia forte. L’effect size misura l’intensità dell’effetto di un trattamento. Padroneggia i fattori alla base dell’effect size in questo capitolo.
4
Simulazione, randomizzazione e meta-analisi
Amplierai ulteriormente la tua cassetta degli attrezzi per l'inferenza con un approfondimento su bootstrapping, test di permutazione e metodi per combinare le evidenze dai p-value. Il bootstrapping ti offrirà una prima introduzione alla simulazione statistica. Nella lezione sulla meta-analisi, imparerai a combinare i risultati di più studi. Concluderai con i test di permutazione, uno strumento statistico non parametrico potente e flessibile.
Fondamenti dell'inferenza in Python
Corso
completato
