Build your ultimate AI agent
Descrizione del corso
Il testing d’ipotesi ti permette di rispondere a domande sui tuoi insiemi di dati in modo statisticamente rigoroso. In questo corso, potenzierai le tue abilità analitiche in Python imparando come e quando usare test comuni come t-test, test per le proporzioni e test chi-quadro. Lavorando con dati reali, tra cui feedback degli utenti di Stack Overflow e dati della catena di approvvigionamento per spedizioni di forniture mediche, acquisirai una profonda comprensione di come funzionano questi test e delle ipotesi chiave su cui si basano. Scoprirai anche come i test non parametrici possono aiutarti a superare i limiti dei test di ipotesi tradizionali.I video includono trascrizioni in tempo reale che puoi visualizzare facendo clic su "Show transcript" in basso a sinistra nei video.
Il glossario del corso si trova a destra nella sezione delle risorse.
Per ottenere i crediti CPE devi completare il corso e raggiungere un punteggio del 70% nella valutazione qualificata. Puoi accedere alla valutazione facendo clic sull’avviso dei crediti CPE sulla destra.
Prerequisiti
Curriculum
Programma del corso
1
Fondamenti dei test di ipotesi
Come funzionano i test di ipotesi e quali problemi possono risolvere? Per scoprirlo, seguirai il flusso di lavoro di un test per una proporzione su un solo campione. In questo percorso incontrerai concetti importanti come z-score, p-value ed errori di falso negativo e falso positivo.
- Test d'ipotesi e z-score50 XP
- A cosa serve l'A/B testing50 XP
- Calcolare la media campionaria100 XP
- Calcolare uno z-score100 XP
- p-value50 XP
- Processi penali e test di ipotesi50 XP
- Coda sinistra, coda destra, due code100 XP
- Calcolare i p-value100 XP
- Significatività statistica50 XP
- Decisioni basate sui p-value50 XP
- Calcolare un intervallo di confidenza100 XP
- Errori di tipo I e di tipo II100 XP
2
Test a due campioni e ANOVA
In questo capitolo imparerai come testare le differenze tra le medie di due gruppi usando i t-test e come estendere l’analisi a più di due gruppi con ANOVA e t-test a coppie.
3
Test per le proporzioni
È il momento di testare le differenze tra proporzioni in due gruppi usando i test per le proporzioni. Con esercizi pratici, estenderai i test per le proporzioni a più di due gruppi con i test di indipendenza chi-quadro e tornerai al caso a un solo campione con i test di bontà di adattamento chi-quadro.
4
Test non parametrici
Infine, è il momento di esaminare le ipotesi alla base dei test di ipotesi parametrici e vedere come utilizzare i test non parametrici quando tali ipotesi non sono soddisfatte.
Test di ipotesi in Python
Corso
completato
