آموزش تسلط بر آزمون فرض در پایتون

در این دوره، انواع مختلف آزمون‌های فرض و کاربرد آنها را یاد می‌گیرید. با داده‌های دنیای واقعی، مانند داده‌های Stack Overflow کار کرده و با کاوش عملی و عمیق؛ علاوه بر آزمون‌های نسبت و مبانی آزمون فرض؛ بر آزمون‌های نسبت دو نمونه‌ای و آزمون‌های استقلال مربع کای‌ به خوبی مسلط می‌شوید.

پیشرفته

2 مسیر یادگیری

4:30 ساعتآموزشویدیویی

538 هزار

در پایان این دوره می‌توانید

از کتابخانه های پایتون مانند Pandas، NumPy، Scipy و Pingouin برای انجام تجزیه و تحلیل آماری و آزمون فرض استفاده کنید.
بر تفسیر انتقادی نتایج آزمون‌های فرض، درک سطح معنی‌داری، مقادیر p و تصمیم گیری آگاهانه در مورد رد یا عدم رد فرض صفر مسلط شوید.
به انواع تکنیک‌های آماری مانند مقایسه میانگین‌ها و نسبت‌ها تا بررسی روابط بین متغیرهای طبقه‌بندی با استفاده از آزمون‌های مربع کای و ابزار گسترش یافته تحلیلی مجهز شوید.
مفروضات حیاتی برای آزمون‌های پارامتریک، از جمله تصادفی بودن، استقلال مشاهدات، و تأثیر اندازه نمونه را بررسی و اعتبار سنجی کنید.
درک جامعی از مفاهیم اساسی در آزمون فرض، از جمله آزمون‌های نسبت یک نمونه ای و دو نمونه ای، آزمون‌های مربع کای و کاربردهای آنها داشته باشید.
بر آزمون‌های پارامتریک ، که فرضیاتی در مورد توزیع جمعیت ایجاد می‌کنند، و نیز آزمون‌های غیرپارامتریک، که قوی هستند و چنین فرضیاتی را نیاز نیست برآورده کنند، مسلط شوید.
درک صحیحی از آزمون‌های آماری مانند آزمون‌های t، ANOVA، آزمون‌های استقلال مربع کای و آزمون‌های برازش نیکویی مربع کای داشته باشید و بنابراین برای انجام آزمون فرض به صورت عملی مسلط شوید.

معرفی

آزمون فرض یک جزء اساسی از تجزیه و تحلیل آماری است و یک چارچوب سیستماتیک برای نتیجه گیری از داده ها فراهم می‌کند. چه یک متخصص داده باتجربه باشید و چه به تازگی سفر خود را در علم داده آغاز کرده‌اید، این دوره دانش و بینش عملی مورد نیاز برای انجام موثر آزمون‌های فرض را در اختیار شما قرار می‌‎دهد. در واقع این دوره‌ی جامع برای تقویت مهارت‌های ضروری شما برای تصمیم‌گیری‌های آگاهانه و مبتنی بر داده طراحی شده است.