课程
R 中的假设检验
中级技能水平
更新时间 2025年11月
RProbability & Statistics4小时16 视频53 道练习4,000 XP33,660成就证明
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
深受数千家公司学习者的喜爱
需要团队培训？
企业版试用课程描述
在 R 中探索假设检验
假设检验让你能够对数据集提出问题，并以统计上严谨的方式回答这些问题。 在本课程中，你将学习如何以及何时使用常见检验，如 t 检验、比例检验和卡方检验。你将深入了解它们的工作原理以及其背后的假设。 你还将学习如何使用“只有一种检验”框架来理解不同假设检验之间的关联，并使用非参数检验来绕开传统假设检验的要求。
了解 T 检验和卡方检验
你将首先了解为什么在 R 中进行假设检验很有用，同时在学习过程中逐步掌握一些关键概念。 你还将学习 t 检验如何帮助你检验两组均值之间的差异，以及卡方检验如何帮助你将观测结果与预期结果进行比较。理解 R 假设检验之间的关系
随着学习的深入，你将了解不同检验之间的关系，探索随机性、观测独立性和样本量等要素。在完成这门课程时，你将更深入地理解 R 中的假设检验，以及何时应在你的数据上使用特定的检验。
在整个课程中，你将探索一份 Stack Overflow 用户调查以及一份医疗用品延迟发货的数据集。
先决条件
Sampling in R1
Introduction to Hypothesis Testing
Learn why hypothesis testing is useful, and step through the workflow for a one sample proportion test. In doing so, you'll encounter important concepts like z-scores, p-p-values, and false negative and false positive errors. The Stack Overflow survey and late medical shipments datasets are introduced.
2
Two-Sample and ANOVA Tests
Learn how to test for differences in means between two groups using t-tests, and how to extend this to more than two groups using ANOVA and pairwise t-tests.
3
Proportion Tests
Learn how to test for differences in proportions between two groups using proportion tests, extended it to more than two groups with chi-square independence tests, and return to the one sample case with chi-square goodness of fit tests.
4
Non-Parametric Tests
Learn about the assumptions made by parametric hypothesis tests and see how simulation-based and rank-based non-parametric tests can be used when those assumptions aren't met.
R 中的假设检验
课程完成 加入超过19百万学习者，今天就开始R 中的假设检验！
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
通过 DataCamp for Mobile 提升您的数据技能
随时随地通过我们的移动课程和每日 5 分钟编程挑战提升技能。