Build your ultimate AI agent
Kursbeskrivning
Kategoriska data finns överallt – i de senaste opinionsundersökningarna, i data som leder till genombrott inom genomik och i de enorma datamängder som internetföretag samlar in. I den här kursen lär du dig tekniker för att skilja signal från brus och verktyg för att avgöra när mönster i data speglar verkliga fenomen och när de bara är slumpmässigt brus.
Förkunskapskrav
Kursplan
Kursöversikt
1
Inferens för en enskild parameter
I det här kapitlet lär du dig att utföra statistisk inferens för en enskild parameter som beskriver kategoriska data. Du arbetar med både resamplingbaserade metoder och approximationsbaserade metoder för en enskild proportion.
- The General Social Survey50 XP
- Utforska consci100 XP
- Generera via bootstrap100 XP
- Konstruera ett KI100 XP
- Varför fler bootstrap-urval?50 XP
- Tolka ett konfidensintervall50 XP
- KI och konfidensnivå50 XP
- SE med mindre data100 XP
- SE med olika p100 XP
- Approximationsgenvägen50 XP
- KI via approximation100 XP
- Metoderna jämförs50 XP
2
Proportioner: hypotestest och styrka
Det här kapitlet fördjupar sig i hypotestest och konfidensintervall för en enskild parameter. Därefter lär du dig att utföra inferens för skillnaden mellan två proportioner. Kapitlet avslutas med en undersökning av vad som händer när nollhypotesen är sann.
3
Jämförelse av många parametrar: oberoende
I den här delen av kursen lär du dig att använda både resamplingmetoder och klassiska metoder för att testa oberoende mellan två kategoriska variabler. Kapitlet tar upp hur man utför ett chi-kvadrattest.
4
Jämförelse av många parametrar: anpassningstest
Kursen avslutas med två fallstudier baserade på valdata. Här lär du dig att använda ett chi-kvadrattest för att kontrollera anpassning. Du studerar valresultat från Iran och Iowa och testar om Benfords lag gäller för dessa datamängder.
R
Inferens för kategoriska data i R
Kurs
slutförd
