После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Проверка гипотез позволяет отвечать на вопросы о данных строго статистическими методами. В этом курсе вы расширите свои аналитические навыки в Python, изучив, как и когда применять распространённые критерии: t-тест, тест для пропорций и критерий хи-квадрат. Работая с реальными данными — отзывами пользователей Stack Overflow и данными цепочки поставок медицинского оборудования, — вы глубоко разберётесь в том, как работают эти тесты и на каких ключевых допущениях они основаны. Кроме того, вы узнаете, как непараметрические тесты помогают преодолеть ограничения традиционных методов проверки гипотез.Видео содержат субтитры, которые можно открыть, нажав «Show transcript» в левом нижнем углу.
Глоссарий курса доступен справа в разделе ресурсов.
Чтобы получить баллы CPE, необходимо пройти курс и набрать не менее 70% на итоговой аттестации. Перейти к аттестации можно, нажав на блок CPE credits справа.
Предварительные требования
Программа
План курса
1
Основы проверки гипотез
Как работает проверка гипотез и какие задачи она решает? Чтобы разобраться в этом, вы пройдёте полный рабочий процесс на примере одновыборочного теста для пропорций. В ходе работы вы познакомитесь с ключевыми понятиями: z-оценками, p-значениями, ошибками ложноотрицательных и ложноположительных результатов.
- Проверка гипотез и z-оценки50 XP
- Применение A/B-тестирования50 XP
- Вычисление выборочного среднего100 XP
- Вычисление z-оценки100 XP
- p-значения50 XP
- Уголовные процессы и проверка гипотез50 XP
- Левый хвост, правый хвост, два хвоста100 XP
- Вычисление p-значений100 XP
- Статистическая значимость50 XP
- Решения на основе p-значений50 XP
- Вычисление доверительного интервала100 XP
- Ошибки первого и второго рода100 XP
2
Двухвыборочные тесты и дисперсионный анализ
В этой главе вы научитесь проверять различия в средних значениях между двумя группами с помощью t-тестов, а затем распространите этот подход на более чем две группы — с использованием дисперсионного анализа (ANOVA) и попарных t-тестов.
3
Тесты для пропорций
Теперь пришло время проверить различия в пропорциях между двумя группами с помощью тестов для пропорций. В ходе практических упражнений вы расширите этот подход на случай более двух групп, применив критерий хи-квадрат для проверки независимости, а также вернётесь к одновыборочному случаю с критерием согласия хи-квадрат.
4
Непараметрические тесты
В завершение курса вы изучите допущения, лежащие в основе параметрических тестов проверки гипотез, и узнаете, как непараметрические тесты применяются в ситуациях, когда эти допущения не выполняются.
Проверка гипотез в Python
Курс
завершён
