Last chance: 50% off unlimited learning
Sale ends in
Kurs Açıklaması
Hipotez Testlerini Gerçekten Anlamak
Ortalamaları hesaplayıp grafikleri oluşturduktan sonra ne olur? Tanımlayıcı istatistiklerden güvenilir karar almaya nasıl geçilir? Hipotez testlerini gerçek hayattaki problemleri çözmek için nasıl uygulayabilirsiniz? Python'da çıkarımın temelleri üzerine dört saatlik bu kursta, verilere dayalı sağlam sonuçlara varmak için pratik deneyim kazanacaksınız. Örnekleme hakkında her şeyi öğrenecek ve yanlış örneklemenin istatistiksel çıkarımları nasıl yanlış yönlendirebileceğini keşfedeceksiniz.Geniş Bir Yelpazedeki Senaryoları Analiz Edin
Normallik ve korelasyon hipotez testleri ile parametrik ve parametrik olmayan testlerle çalışmaya başlayacaksınız. Bu testleri SciPy kullanarak çalıştıracak ve karar verme sürecinde kullanmak üzere sonuçlarını yorumlayacaksınız.Ardından, düzeltmeler uygulayarak yanlış korelasyonları önlerken, etki büyüklüğü ve istatistiksel gücü kullanarak bir sonucun gücünü ölçeceksiniz.Son olarak, simülasyon, randomizasyon ve meta-analiz yöntemlerini kullanarak, diğer araştırmacıların sonuçlarını yeniden analiz etmek de dahil olmak üzere geniş bir veri yelpazesiyle çalışacaksınız.Büyük Verilerden Kesin Sonuçlar Çıkarın
Kursu tamamladıktan sonra, büyük verileri başarıyla kullanarak liderlerin güvenebileceği ilkelere dayalı kararlar alabileceksiniz. Grafikler ve özet istatistiklerin ötesine geçerek güvenilir, tekrarlanabilir ve açıklanabilir sonuçlar elde edeceksiniz.Ön Koşullar
Müfredat
Kurs planı
1
Çıkarımsal İstatistik ve Örnekleme
Bu bölümde, örnekler ile istatistiksel olarak gerekçelendirilebilir sonuçlar arasındaki ilişkiyi keşfedeceğiz. Örnek seçimi, sağlam istatistiksel kararların temelidir ve bir örnek seçiminin çıkarımının sonucunu nasıl etkilediğini inceleyeceğiz.
- İstatistiksel çıkarım ve rastgele örnekleme50 XP
- Örnekleme ve nokta tahminleri100 XP
- Tekrarlı örnekleme, nokta tahminleri ve çıkarım100 XP
- Örnekleme ve yanlılık50 XP
- Örnekleri görselleştirme100 XP
- Çıkarım ve yanlılık100 XP
- Güven aralıkları ve örnekleme50 XP
- Normal örnekleme dağılımları100 XP
- Güven aralıklarını hesaplamak100 XP
- Örneklerden sonuç çıkarma100 XP
2
Hipotez Testi Araç Kutusu
Sağlam çıkarım için normallik testleri, korelasyon testleri ile parametrik ve parametrik olmayan testlerin uygulanması hakkında her şeyi öğren. Hipotez testleri birer araçtır ve işe uygun doğru aracı seçmek istatistiksel karar verme için kritiktir. Bu testlerin bazılarına giriş derslerinde aşina olabilirsin; bu bölümde daha derine inerek çıkarımsal araç kutunu zenginleştireceksin.
3
Etki Büyüklüğü
Bu bölümde, çeşitli durumlarda etki büyüklüğünü ölçecek ve yorumlayacak, çoklu karşılaştırmalar sorunuyla karşılaşacak ve bir testin gücünü derinlemesine inceleyeceksin. p-değerleri anlamlı bir etkinin olup olmadığını söyler, ancak bu etkinin ne kadar güçlü olduğunu söylemez. Etki büyüklüğü, bir işlemin ne kadar güçlü bir etki yarattığını ölçer. Bu bölümde etki büyüklüğünü belirleyen etmenlere hâkim olacaksın.
4
Benzetim, Rastgeleleştirme ve Meta-Analiz
Çıkarımsal istatistik araç kutunu önyükleme (bootstrapping), permütasyon testleri ve p-değerlerinden kanıt birleştirme yöntemleriyle daha da genişleteceksin. Önyükleme, istatistiksel benzetime ilk bakışını sağlayacak. Meta-analiz dersinde, birden çok çalışmanın sonuçlarını birleştirmeyi en ince ayrıntısına kadar öğreneceksin. Güçlü ve esnek bir parametrik olmayan istatistiksel araç olan permütasyon testlerine bakarak tamamlayacaksın.
Python'da Çıkarımın Temelleri
Kurs
Tamamlandı
