Testowanie hipotez: Intuicyjny przewodnik po podejmowaniu decyzji opartych na danych

Opinie czytelników

Recenzenci chwalą książkę za praktyczne podejście do testowania hipotez statystycznych i jej przystępność, dzięki czemu złożone koncepcje są łatwiejsze do zrozumienia. Wielu czytelników uważa ją za cenną w nauczaniu i praktycznych zastosowaniach w badaniach. Niektórzy krytycy zauważają jednak, że może ona pomijać ważne szczegóły i niuanse tematu.

⬤ Praktyczna perspektywa z przydatnymi ilustracjami
⬤ jasne wyjaśnienia złożonych pojęć
⬤ pomocne w nauczaniu statystyki
⬤ przystępny język
⬤ obejmuje podstawowe tematy, takie jak wartości p i rodzaje błędów
⬤ służy jako dobry materiał referencyjny
⬤ ma zastosowanie w różnych dziedzinach.

⬤ nadmiernie upraszcza niektóre tematy i pomija ważne niuanse
⬤ niektóre rysunki są trudne do zinterpretowania w skali szarości
⬤ kilku recenzentów zauważyło obawy dotyczące jakości fizycznej książki
⬤ autopromocja innych prac autora jest krytykowana.

(na podstawie 29 opinii czytelników)

Oryginalny tytuł:

Hypothesis Testing: An Intuitive Guide for Making Data Driven Decisions

Zawartość książki:

Świat produkuje więcej danych niż kiedykolwiek. Czy jesteś na to gotowy?

W dzisiejszym świecie opartym na danych cały czas słyszy się o podejmowaniu decyzji na ich podstawie. Testowanie hipotez odgrywa kluczową rolę w tym procesie, niezależnie od tego, czy pracujesz w środowisku akademickim, biznesie czy nauce o danych. Bez testów hipotez istnieje ryzyko podejmowania złych decyzji.

Istnieje duże prawdopodobieństwo, że będziesz musiał zrozumieć te testy, aby analizować swoje dane i oceniać pracę innych.

Zbuduj wiedzę na temat skutecznego testowania hipotez Wiedz, kiedy używać każdego testu, jak używać ich niezawodnie i jak poprawnie interpretować wyniki.

⬤ Zrozumienie, dlaczego potrzebujesz testów hipotez i jak one działają.

⬤ Skuteczne stosowanie poziomów istotności, wartości p, przedziałów ufności.

⬤ Wybrać odpowiedni rodzaj testu, aby odpowiedzieć na pytanie.

⬤ Dowiedz się, jak testować średnie, mediany, wariancje, proporcje, rozkłady, zliczenia, korelacje dla danych ciągłych i kategorycznych oraz znajdować wartości odstające.

⬤ Jednoczynnikowa analiza wariancji (ANOVA), dwuczynnikowa analiza wariancji (ANOVA) i efekty interakcji.

⬤ Sprawdzanie założeń w celu uzyskania wiarygodnych wyników.

⬤ Zarządzanie poziomami błędów dla wyników fałszywie dodatnich i fałszywie ujemnych.

⬤ Zrozumienie rozkładów próbkowania, centralnego twierdzenia granicznego i mocy statystycznej.

⬤ Wiedza na temat działania testów t, F, chi-kwadrat i testów post hoc.

⬤ Poznanie różnic między metodami parametrycznymi, nieparametrycznymi i bootstrappingowymi.

⬤ Przykłady wielu testów hipotez.

⬤ Dostęp do bezpłatnych zestawów danych do pobrania, abyś mógł wypróbować je samodzielnie.