Build your ultimate AI agent
Descrição do curso
Um dos aspectos fundamentais da análise estatística é a inferência, ou o processo de tirar conclusões sobre uma população maior a partir de uma amostra de dados. Embora pareça contraintuitivo, a prática padrão é tentar refutar uma hipótese de pesquisa que não é a de interesse. Por exemplo, para mostrar que um tratamento médico é melhor do que outro, podemos assumir que os dois tratamentos levam a taxas de sobrevivência iguais, para então deixar que os dados refutem essa suposição. Além disso, apresentamos a ideia de p-valor, que mede o grau de discordância entre os dados e a hipótese. Também vamos explorar intervalos de confiança, que medem a magnitude do efeito de interesse (por exemplo, quanto um tratamento é melhor do que o outro).
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Introdução às ideias de inferência
Neste capítulo, você vai investigar como amostras repetidas retiradas de uma população podem variar. É a variabilidade entre as amostras que permite fazer afirmações sobre a população de interesse. É importante lembrar que as hipóteses de pesquisa de interesse focam na população, enquanto as informações disponíveis vêm apenas dos dados amostrais.
- Bem-vindo ao curso!50 XP
- Hipóteses (1)50 XP
- Hipóteses (2)50 XP
- Distribuições aleatorizadas50 XP
- Trabalhando com os dados do NHANES100 XP
- Calculando a estatística de interesse100 XP
- Dados aleatorizados sob o modelo nulo de independência100 XP
- Estatísticas randomizadas e gráfico de pontos100 XP
- Densidade da randomização100 XP
- Usando a distribuição de randomização50 XP
- Os dados vêm da população?100 XP
- O que você pode concluir?50 XP
- Conclusões do estudo50 XP
2
Concluindo um teste de randomização: discriminação de gênero
Neste capítulo, você vai adquirir as ferramentas e o conhecimento para completar um teste de hipótese completo. Ou seja, dado um conjunto de dados, você saberá se é apropriado ou não rejeitar a hipótese nula em favor da hipótese de pesquisa de interesse.
3
Erros em testes de hipóteses: custo de oportunidade
Você continuará aprendendo sobre testes de hipótese com um novo exemplo e a mesma estrutura de testes de randomização. Neste capítulo, porém, o foco estará em diferentes erros (tipo I e tipo II), como eles ocorrem, quando um é pior do que o outro e como fatores como tamanho da amostra e tamanho do efeito impactam as taxas de erro.
4
Intervalos de confiança
Como complemento aos testes de hipótese, os intervalos de confiança permitem estimar um parâmetro populacional. Lembre-se de que seu interesse está sempre em alguma característica da população, mas você só tem informações incompletas para estimar o parâmetro usando dados amostrais. Aqui, o parâmetro é a proporção verdadeira de sucessos em uma população. O bootstrapping é usado para estimar a variabilidade necessária para formar o intervalo de confiança.
R
Fundamentos de Inferência em R
Curso
concluído
