Build your ultimate AI agent
Descrierea cursului
Unul dintre aspectele fundamentale ale analizei statistice este inferența – procesul de a trage concluzii despre o populație mai largă pe baza unui eșantion de date. Deși pare contraintuitiv, practica standard este de a încerca să respingi o ipoteză care nu prezintă interes. De exemplu, pentru a demonstra că un tratament medical este mai eficient decât altul, putem presupune că cele două tratamente duc la rate de supraviețuire egale, urmând ca datele să infirme această ipoteză. Introducem, de asemenea, conceptul de valoare p – gradul de dezacord dintre date și ipoteză – și explorăm intervalele de încredere, care măsoară magnitudinea efectului de interes (de exemplu, cât de eficient este un tratament față de altul).
Cerințe prealabile
Curriculum
Structura cursului
1
Introducere în conceptele de inferență
În acest capitol, vei investiga cum pot varia eșantioanele repetate extrase dintr-o populație. Tocmai această variabilitate a eșantioanelor îți permite să faci afirmații despre populația de interes. Este important să reții că ipotezele de cercetare vizează populația, în timp ce informațiile disponibile provin doar din datele eșantionului.
- Bun venit la curs!50 XP
- Ipoteze (1)50 XP
- Ipoteze (2)50 XP
- Distribuții randomizate50 XP
- Lucrul cu datele NHANES100 XP
- Calcularea statisticii de interes100 XP
- Date randomizate sub modelul nul de independență100 XP
- Statistici randomizate și dotplot100 XP
- Densitatea de randomizare100 XP
- Utilizarea distribuției de randomizare50 XP
- Provin datele din populație?100 XP
- Ce poți concluziona?50 XP
- Concluziile studiului50 XP
2
Realizarea unui test de randomizare: discriminare de gen
În acest capitol, vei dobândi instrumentele și cunoștințele necesare pentru a realiza un test de ipoteză complet. Cu alte cuvinte, pornind de la un set de date, vei ști dacă este sau nu oportun să respingi ipoteza nulă în favoarea ipotezei de cercetare de interes.
3
Erori în testarea ipotezelor: costul de oportunitate
Vei continua să înveți despre testarea ipotezelor printr-un nou exemplu, folosind aceeași structură a testelor de randomizare. În acest capitol, accentul va cădea pe diferitele tipuri de erori (tip I și tip II): cum apar, când unul este mai grav decât celălalt și cum influențează mărimea eșantionului și mărimea efectului ratele de eroare.
4
Intervale de încredere
Ca un complement al testării ipotezelor, intervalele de încredere îți permit să estimezi un parametru al populației. Reamintește-ți că interesul tău vizează întotdeauna o caracteristică a populației, însă dispui doar de informații incomplete pentru a estima parametrul pe baza datelor din eșantion. Aici, parametrul este proporția reală a succeselor într-o populație. Bootstrapping-ul este utilizat pentru a estima variabilitatea necesară construirii intervalului de încredere.
R
Bazele inferenței în R
Curs
finalizat
