|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/inferential-statistics-intro-de
课程评论:没有评论
课程名称:推断统计 课程概述:本课程涵盖了数值和分类数据中常用的统计推断方法。您将学习如何设定和执行假设检验,解释p值,并以可理解的方式向客户或公众报告您的分析结果。通过大量的数据示例,您将学会以表达不确定性的方式报告感兴趣量的估计值。课程将指导您安装并使用R和RStudio(免费统计软件),并在实验练习和最终项目中使用该软件。课程介绍了进行数据分析的实用工具,并探讨了解释和报告分类和数值数据结果所必需的基本概念。 课程大纲: 第一部分:中心极限定理和置信区间 描述:欢迎来到推断统计!在本周,我们将介绍推断的基础知识,包括学习目标、视频和测验以及实践练习。我们将介绍中心极限定理(CLT)和置信区间。 第二部分:推断与显著性 描述:欢迎来到第二周!本周将讨论正式的假设检验,并将检验程序与置信区间结合起来。我们将引入与总体均值相关的主题,并简要预览接下来的内容,包括如何将我们学习的方法扩展到其他估计量。还将讨论决策错误和统计显著性与实际显著性等重要问题。 第三部分:均值比较的推断 描述:欢迎来到课程的第三周!我们将介绍t分布、均值比较以及一种基于模拟的置信区间构建方法:自助法(Bootstrapping)。如果有问题或想进行讨论,请利用本周的论坛。 第四部分:比例的推断 描述:欢迎来到我们课程的第四周!在本单元中,我们将讨论分类数据的推断,使用本周介绍的方法回答诸如“美国公众中有多少比例同意最高法院的工作?”这样的问题。 第五部分:数据分析项目 描述:在这一周中,您将利用提供的数据集回答一个数据分析问题并进行报告。请阅读背景信息,查看报告模板(可通过“项目信息”课程中的链接下载),然后完成同行评审任务。
Part: 1
Title:Zentraler Grenzwertsatz und Konfidenzintervall
Description:Willkommen bei der Inferenzstatistik! In diesem Kurs werden die Grundlagen der Inferenz erläutert. Sie lesen sich die Lernziele durch, sehen sich die Videos an und bearbeiten schließlich das Quiz und die praktischen Übungen dieser Woche. Neben Videos, in denen neue Konzepte vorgestellt werden, sehen Sie auch einige Videos, in denen Sie Anwendungsbeispiele zu den Themen der Woche sehen. In der ersten Woche werden wir den zentralen Grenzwertsatz (Central Limit Theorem, CLT) und das Konfidenzintervall vorstellen.
Part: 2
Title:Inferenz und Signifikanz
Description:Willkommen in der 2. Woche! In dieser Woche werden wir formale Hypothesentests besprechen und die Testverfahren mit Hilfe von Konfidenzintervallen in Beziehung zu Schätzungen setzen. Diese Themen werden im Zusammenhang mit der Arbeit mit einem Mittelwert der Grundgesamtheit eingeführt, aber wir geben Ihnen auch einen kurzen Einblick in das, was in den nächsten zwei Wochen kommen wird, indem wir besprechen, wie die Methoden, die wir lernen, auf andere Schätzwerte ausgeweitet werden können. Wir werden auch wichtige Überlegungen wie Entscheidungsfehler und statistische vs. praktische Signifikanz erörtern. In den Übungen dieser Woche werden die Konzepte der Stichprobenverteilungen und Konfidenzniveaus veranschaulicht.
Part: 3
Title:Inferenz für den Vergleich von Mittelwerten
Description:Willkommen in der 3. Woche des Kurses! Diese Woche werden wir die t-Verteilung und den Vergleich von Mittelwerten sowie eine simulationsbasierte Methode zur Erstellung eines Konfidenzintervalls vorstellen: das Bootstrapping. Wenn Sie Fragen haben oder Diskussionen führen möchten, nutzen Sie bitte das Forum für diese Woche, um Ihre Fragen zu stellen oder mit Gleichgesinnten zu diskutieren.
Part: 4
Title:Inferenz für Anteile
Description:Willkommen bei der vierten Woche unseres Kurses! In dieser Einheit werden wir die Inferenz für kategoriale Daten erörtern. Wir verwenden die in dieser Woche vorgestellten Methoden, um Fragen wie "Welcher Anteil der amerikanischen Öffentlichkeit ist mit der Arbeit des Obersten Gerichtshofs einverstanden?" zu beantworten.
Part: 5
Title:Datenanalyse-Projekt
Description:In dieser Woche werden Sie die zur Verfügung gestellte Datenbasis verwenden, um eine Frage zur Datenanalyse zu beantworten und darüber zu berichten. Bitte lesen Sie die Hintergrundinformationen, sehen Sie sich die Berichtsvorlage an (die Sie über den Link in der Lektion "Informationen zum Projekt" herunterladen können), und bearbeiten Sie dann die Peer-Review-Aufgabe.
This course covers commonly used statistical inference methods for numerical and categorical data. You will learn how to set up and perform hypothesis tests, interpret p-values, and report the results of your analysis in a way that is interpretable for clients or the public. Using numerous data examples, you will learn to report estimates of quantities in a way that expresses the uncertainty of the quantity of interest. You will be guided through installing and using R and RStudio (free statistical software), and will use this software for lab exercises and a final project. The course introduces practical tools for performing data analysis and explores the fundamental concepts necessary to interpret and report results for both categorical and numerical data