After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
I dati categorici sono ovunque: nei più recenti sondaggi d’opinione, nei dati che portano a nuove scoperte nella genomica e nelle enormi quantità di informazioni che le aziende internet raccolgono per venderti prodotti. In questo corso imparerai tecniche per distinguere il segnale dal rumore; strumenti per capire quando la struttura nei dati rappresenta fenomeni interessanti e quando è solo rumore casuale.
Prerequisiti
Curriculum
Programma del corso
1
Inferenza per un singolo parametro
In questo capitolo imparerai a effettuare un’inferenza statistica su un singolo parametro che descrive dati categorici. Questo include sia metodi basati sul riacampionamento sia metodi di approssimazione per una singola proporzione.
- General Social Survey50 XP
- Esplorare consci100 XP
- Generazione via bootstrap100 XP
- Costruire un IC100 XP
- Perché più bootstrap?50 XP
- Interpretare un intervallo di confidenza50 XP
- IC e livello di confidenza50 XP
- SE with less data100 XP
- SE con p diversa100 XP
- La scorciatoia con l'approssimazione50 XP
- IC tramite approssimazione100 XP
- Confronto tra metodi50 XP
2
Proporzioni: test e potenza
Questo capitolo approfondisce l’esecuzione di test d’ipotesi e la costruzione di intervalli di confidenza per un singolo parametro. Poi imparerai come effettuare l’inferenza sulla differenza tra due proporzioni. Infine, il capitolo si chiude esplorando cosa succede quando sai che l’ipotesi nulla è vera.
3
Confrontare molti parametri: indipendenza
Questa parte del corso ti insegnerà a usare sia metodi di riacampionamento sia metodi classici per verificare l’indipendenza di due variabili categoriche. Il capitolo copre come eseguire un test Chi-quadrato.
4
Confrontare molti parametri: bontà dell’adattamento
Il corso si conclude con due casi di studio basati su dati elettorali. Qui imparerai a usare un test Chi-quadrato per verificare la bontà dell’adattamento. Studierai i risultati elettorali di Iran e Iowa e verificherai se la legge di Benford si applica a questi insiemi di dati.
R
Inferenza per dati categorici in R
Corso
completato
