Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
Een van de fundamenten van statistische analyse is inferentie: conclusies trekken over een grotere populatie op basis van een steekproef. Hoewel het contra-intuïtief lijkt, is het gangbaar om te proberen een onderzoekshypothese die niet van interesse is te weerleggen. Zo kunnen we, om aan te tonen dat de ene medische behandeling beter is dan de andere, aannemen dat beide behandelingen tot gelijke overlevingskansen leiden en dat vervolgens door de data laten weerleggen. We introduceren ook het idee van een p-waarde: de mate van tegenspraak tussen de data en de hypothese. Daarnaast gaan we in op betrouwbaarheidsintervallen, die de omvang van het effect van interesse meten (bijv. hoeveel beter de ene behandeling is dan de andere).
Vereisten
Lesprogramma
Cursusoverzicht
1
Introductie tot ideeën van inferentie
In dit hoofdstuk onderzoek je hoe herhaalde steekproeven uit een populatie kunnen variëren. Het is juist die variatie in steekproeven die je in staat stelt uitspraken te doen over de populatie van interesse. Onthoud dat de onderzoeksvragen over de populatie gaan, terwijl de beschikbare informatie alleen uit de steekproefdata komt.
- Welkom bij de cursus!50 XP
- Hypotheses (1)50 XP
- Hypothesen (2)50 XP
- Gerandomiseerde verdelingen50 XP
- Werken met de NHANES-gegevens100 XP
- De statistiek van interesse berekenen100 XP
- Gerandomiseerde data onder het nulmodel van onafhankelijkheid100 XP
- Gerandomiseerde statistieken en dotplot100 XP
- Randomisatie-dichtheid100 XP
- De randomisatiedistributie gebruiken50 XP
- Komen de data uit de populatie?100 XP
- Wat kun je concluderen?50 XP
- Conclusies van het onderzoek50 XP
2
Een randomisatietest afronden: genderdiscriminatie
In dit hoofdstuk krijg je de tools en kennis om een volledige hypothesetoets uit te voeren. Met een gegevensset kun je bepalen of het passend is om de nulhypothese te verwerpen ten gunste van de onderzoekshypothese.
3
Fouten bij hypothesetoetsen: opportuniteitskosten
Je gaat verder met hypothesetoetsen aan de hand van een nieuw voorbeeld en dezelfde opzet van randomisatietesten. In dit hoofdstuk ligt de focus echter op verschillende fouten (type I en type II), hoe ze ontstaan, wanneer de ene ernstiger is dan de andere, en hoe zaken als steekproefgrootte en effectgrootte de foutkansen beïnvloeden.
4
Betrouwbaarheidsintervallen
Als aanvulling op hypothesetoetsen kun je met betrouwbaarheidsintervallen een populatieparameter schatten. Onthoud dat je interesse altijd uitgaat naar een kenmerk van de populatie, maar dat je slechts onvolledige informatie hebt om de parameter met steekproefdata te schatten. Hier is de parameter het werkelijke aandeel successen in een populatie. Bootstrapping wordt gebruikt om de variabiliteit te schatten die nodig is om het betrouwbaarheidsinterval te vormen.
R
Basis van inferentie in R
Cursus
voltooid
