Build your ultimate AI agent
Kursbeskrivning
En av grundstenarna i statistisk analys är inferens – det vill säga processen att dra slutsatser om en större population utifrån ett urval av data. Det kan verka motintuitivt, men standardmetoden är att försöka motbevisa ett forskningspåstående som man inte är intresserad av. För att till exempel visa att en medicinsk behandling är bättre än en annan kan man anta att de två behandlingarna ger lika överlevnadsrater – för att sedan låta data motbevisa det antagandet. Vi introducerar även begreppet p-värde, som mäter graden av oenighet mellan data och hypotesen. Dessutom går vi igenom konfidensintervall, som mäter storleken på den effekt man är intresserad av – till exempel hur mycket bättre en behandling är jämfört med en annan.
Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till inferens
I det här kapitlet undersöker du hur upprepade urval från en population kan variera. Det är just variationen mellan urval som gör det möjligt att dra slutsatser om populationen. Kom ihåg att forskningspåståendena alltid handlar om populationen, medan den tillgängliga informationen enbart kommer från urvalsdata.
- Välkommen till kursen!50 XP
- Hypoteser (1)50 XP
- Hypoteser (2)50 XP
- Slumpmässiga fördelningar50 XP
- Arbeta med NHANES-data100 XP
- Beräkna statistik av intresse100 XP
- Randomiserade data under nollmodellen för oberoende100 XP
- Slumpmässiga statistikmått och punktdiagram100 XP
- Randomiseringens fördelning100 XP
- Använda randomiseringsfördelningen50 XP
- Kommer datan från populationen?100 XP
- Vad kan du dra för slutsats?50 XP
- Slutsatser från studier50 XP
2
Genomföra ett randomiseringstest: könsdiskriminering
I det här kapitlet får du de verktyg och kunskaper som behövs för att genomföra ett fullständigt hypotestest. Det innebär att du, givet ett dataset, kan avgöra om det är motiverat att förkasta nollhypotesen till förmån för det forskningspåstående du är intresserad av.
3
Fel i hypotestestning: alternativkostnad
Du fortsätter att lära dig om hypotestestning med ett nytt exempel och samma struktur för randomiseringstest. I det här kapitlet ligger fokus på olika typer av fel (typ I och typ II) – hur de uppstår, när det ena är allvarligare än det andra, och hur faktorer som urvalsstorlek och effektstorlek påverkar felfrekvenserna.
4
Konfidensintervall
Som ett komplement till hypotestestning låter konfidensintervall dig skatta en populationsparameter. Kom ihåg att intresset alltid riktas mot en egenskap hos populationen, men att du bara har ofullständig information att skatta parametern med, utifrån urvalsdata. Här är parametern den sanna andelen lyckade utfall i en population. Bootstrapping används för att skatta den variabilitet som behövs för att bilda konfidensintervallet.
R
Grundläggande inferens i R
Kurs
slutförd
