Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Duke University

Inferenzstatistik

Duke University via Coursera

Overview

Prepare for a new career with $100 off Coursera Plus
Gear up for jobs in high-demand fields: data analytics, digital marketing, and more.
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

Syllabus

  • Ãœber die Spezialisierung und den Kurs
    • Dieses kurze Modul führt in die Grundlagen von Coursera-Spezialisierungen und -Kursen im Allgemeinen ein, diese Spezialisierung: Statistik mit R, und diesen Kurs: Inferenzstatistik. Bitte nehmen Sie sich einige Minuten Zeit zum Durchsehen. Vielen Dank für die Teilnahme an diesem Kurs!
  • Zentraler Grenzwertsatz und Konfidenzintervall
    • 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 Ãœbungen 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.
  • Inferenz und Signifikanz
    • 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 Ãœberlegungen wie Entscheidungsfehler und statistische vs. praktische Signifikanz erörtern. In den Ãœbungen dieser Woche werden die Konzepte der Stichprobenverteilungen und Konfidenzniveaus veranschaulicht.
  • Inferenz für den Vergleich von Mittelwerten
    • 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.
  • Inferenz für Anteile
    • 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.
  • Datenanalyse-Projekt
    • 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.

Taught by

Mine Çetinkaya-Rundel

Reviews

Start your review of Inferenzstatistik

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.