Build your ultimate AI agent
课程介绍
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。
先修要求
课程大纲
课程大纲
1
假设检验入门
了解假设检验为何有用,并按步骤完成一次单样本比例检验。在此过程中,您将接触 z 分数、p 值,以及假阴性与假阳性等重要概念。还将介绍 Stack Overflow 调查与医疗物资延迟发货这两个数据集。
2
双样本与 ANOVA 检验
学习如何使用 t 检验比较两组之间的均值差异,并将其扩展到两组以上,使用 ANOVA 与两两 t 检验。
3
比例检验
学习如何使用比例检验比较两组之间的比例差异,将其扩展到多于两组时使用卡方独立性检验,并回到单样本场景使用卡方适合度检验。
4
非参数检验
了解参数化假设检验所依赖的假设,并学习当这些假设不满足时,如何使用基于模拟与基于秩的非参数检验。
R
R 中的假设检验
课程完成

