Last chance: 50% off unlimited learning
Sale ends in
Cursusbeschrijving
Hypothesetests echt begrijpen
Wat doe je nadat je je gemiddelden hebt berekend en je grafieken hebt gemaakt? Hoe ga je van beschrijvende statistieken naar zelfverzekerde besluitvorming? Hoe kun je hypothesetests gebruiken om echte problemen op te lossen? In deze vier uur durende cursus over de basis van inferentie in Python leer je hoe je goede conclusies kunt trekken op basis van data. Je leert alles over steekproeven en ontdekt hoe verkeerde steekproeven statistische conclusies kunnen verstoren.Analyseer allerlei verschillende scenario's
Je begint met het werken met hypothesetests voor normaliteit en correlatie, en zowel parametrische als niet-parametrische tests. Je gaat deze tests doen met SciPy en de resultaten ervan bekijken om beslissingen te nemen.Vervolgens ga je kijken hoe sterk een resultaat is met behulp van effectgrootte en statistische power, terwijl je valse correlaties vermijdt door correcties toe te passen.Ten slotte ga je simulatie, randomisatie en meta-analyse gebruiken om met allerlei soorten gegevens te werken, zoals het opnieuw analyseren van resultaten van andere onderzoekers.Trek solide conclusies uit big data
Na deze cursus kun je big data goed gebruiken om slimme beslissingen te nemen waar leiders op kunnen vertrouwen. Je gaat veel verder dan grafieken en samenvattende statistieken om betrouwbare, herhaalbare en verklaarbare resultaten te krijgen.Vereisten
Lesprogramma
Cursusoverzicht
1
Inferentiële statistiek en steekproeftrekking
In dit hoofdstuk verkennen we de relatie tussen steekproeven en statistisch verantwoorde conclusies. De keuze van een steekproef is de basis voor degelijke statistische beslissingen, en we onderzoeken hoe die keuze de uitkomst van je inferentie beïnvloedt.
- Statistische inferentie en aselecte steekproeven50 XP
- Steekproeven en puntschattingen100 XP
- Herhaald steekproeven nemen, puntschattingen en inferentie100 XP
- Steekproeven en bias50 XP
- Steekproeven visualiseren100 XP
- Inferentie en bias100 XP
- Betrouwbaarheidsintervallen en steekproeven50 XP
- Normale steekproefverdelingen100 XP
- Betrouwbaarheidsintervallen berekenen100 XP
- Conclusies trekken uit steekproeven100 XP
2
Toolkit voor hypothesetoetsing
Leer alles over het toepassen van normaliteitstoetsen, correlatietoetsen en parametrische en niet-parametrische toetsen voor verantwoorde inferentie. Hypothesetoetsen zijn hulpmiddelen, en het kiezen van het juiste gereedschap is cruciaal voor statistische besluitvorming. Hoewel je sommige van deze toetsen misschien kent uit inleidende cursussen, ga je in dit hoofdstuk een stap verder om je inferentiële toolkit uit te breiden.
3
Effectgrootte
In dit hoofdstuk meet en interpreteer je effectgrootte in verschillende situaties, maak je kennis met het multiple-comparisons-probleem en verken je de power van een toets in detail. Hoewel p-waarden aangeven of er een significant effect is, vertellen ze je niet hoe sterk dat effect is. Effectgrootte meet hoe sterk het effect van een behandeling is. Beheers de factoren die ten grondslag liggen aan effectgrootte in dit hoofdstuk.
4
Simulatie, randomisatie en meta-analyse
Je breidt je inferentiële statistiektoolkit verder uit met een blik op bootstrapping, permutatietoetsen en methoden om bewijs uit p-waarden te combineren. Bootstrapping geeft je een eerste kennismaking met statistische simulatie. In de les over meta-analyse leer je alles over het combineren van resultaten uit meerdere studies. Je sluit af met een kijk op permutatietoetsen, een krachtig en flexibel niet-parametrisch statistisch hulpmiddel.
Basis van inferentie in Python
Cursus
voltooid
