Build your ultimate AI agent
Mô tả khóa học
Một trong những nền tảng của phân tích thống kê là suy luận: quá trình rút ra kết luận về một quần thể lớn hơn dựa trên một mẫu dữ liệu. Dù có vẻ phản trực giác, thực hành chuẩn là cố gắng bác bỏ một giả thuyết nghiên cứu không phải điều bạn quan tâm. Ví dụ, để chứng minh một phương pháp điều trị tốt hơn phương pháp khác, ta giả định hai phương pháp cho tỷ lệ sống sót như nhau rồi để dữ liệu bác bỏ giả định đó. Bên cạnh đó, bạn sẽ được giới thiệu về p-value, tức mức độ bất đồng giữa dữ liệu và giả thuyết. Chúng ta cũng xem xét khoảng tin cậy, thước đo độ lớn của hiệu ứng quan tâm (ví dụ: một phương pháp điều trị tốt hơn phương pháp kia bao nhiêu).
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Giới thiệu về các ý tưởng suy luận
Trong chương này, bạn sẽ khảo sát cách các mẫu lặp lại được lấy từ một quần thể có thể khác nhau. Chính sự biến thiên giữa các mẫu cho phép bạn đưa ra kết luận về quần thể quan tâm. Cần nhớ rằng các kết luận nghiên cứu bạn quan tâm hướng đến quần thể, trong khi thông tin bạn có chỉ đến từ dữ liệu mẫu.
- Chào mừng bạn đến với khóa học!50 XP
- Giả thuyết (1)50 XP
- Giả thuyết (2)50 XP
- Phân phối ngẫu nhiên hóa50 XP
- Làm việc với dữ liệu NHANES100 XP
- Tính thống kê quan tâm100 XP
- Dữ liệu hoán vị dưới mô hình giả thuyết vô hiệu về tính độc lập100 XP
- Thống kê hoán vị và biểu đồ chấm (dotplot)100 XP
- Mật độ ngẫu nhiên hóa100 XP
- Sử dụng phân phối hoán vị50 XP
- Dữ liệu có đến từ tổng thể không?100 XP
- Bạn có thể kết luận gì?50 XP
- Kết luận nghiên cứu50 XP
2
Hoàn tất kiểm định hoán vị: phân biệt giới
Trong chương này, bạn sẽ có công cụ và kiến thức để hoàn thành trọn vẹn một kiểm định giả thuyết. Tức là, với một bộ dữ liệu cho trước, bạn sẽ biết liệu có phù hợp để bác bỏ giả thuyết không (null) để ủng hộ giả thuyết nghiên cứu hay không.
3
Lỗi trong kiểm định giả thuyết: chi phí cơ hội
Bạn sẽ tiếp tục học về kiểm định giả thuyết với một ví dụ mới nhưng vẫn theo cấu trúc kiểm định hoán vị. Tuy nhiên, trọng tâm chương này là các loại lỗi khác nhau (loại I và loại II), cách chúng xảy ra, khi nào lỗi này tệ hơn lỗi kia, và cách các yếu tố như kích thước mẫu và kích thước hiệu ứng ảnh hưởng đến tỷ lệ lỗi.
4
Khoảng tin cậy
Bổ trợ cho kiểm định giả thuyết, khoảng tin cậy cho phép bạn ước lượng một tham số quần thể. Hãy nhớ rằng bạn luôn quan tâm đến một đặc trưng nào đó của quần thể, nhưng bạn chỉ có thông tin chưa đầy đủ để ước lượng tham số từ dữ liệu mẫu. Ở đây, tham số là tỷ lệ thành công thực sự trong quần thể. Kỹ thuật bootstrapping được dùng để ước lượng mức độ biến thiên cần thiết để lập khoảng tin cậy.
R
Nền tảng Suy luận trong R
Hoàn
thành khóa học

