Johns Hopkins University
Wie hoch sind die Chancen? Wahrscheinlichkeit und Ungewissheit in der Statistik

Schenken Sie Ihrer Karriere Coursera Plus mit einem Rabatt von $160 , der jährlich abgerechnet wird. Sparen Sie heute.

Johns Hopkins University

Wie hoch sind die Chancen? Wahrscheinlichkeit und Ungewissheit in der Statistik

Dieser Kurs ist Teil von Spezialisierung Datenkompetenz

2.923 bereits angemeldet

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.6

(15 Bewertungen)

Stufe Mittel

Empfohlene Erfahrung

Es dauert 10 Stunden
3 Wochen bei 3 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.6

(15 Bewertungen)

Stufe Mittel

Empfohlene Erfahrung

Es dauert 10 Stunden
3 Wochen bei 3 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

  • Kategorie: Statistische Hypothesentests
  • Kategorie: Messung der Ungewissheit

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

15 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Datenkompetenz
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 4 Module

Das Monty-Hall-Problem ist eine klassische Denksportaufgabe, die die oft kontraintuitive Natur der Wahrscheinlichkeitsrechnung verdeutlicht. Das Problem wird in der Regel wie folgt formuliert: Nehmen wir an, Sie sind Teilnehmer einer Spielshow und werden gebeten, eine von drei Türen für Ihren Preis auszuwählen. Hinter einer Tür befindet sich ein Auto und hinter den anderen beiden Türen sind Ziegen. Sie wählen eine Tür aus. Der Moderator, der weiß, was sich hinter jeder Tür befindet, öffnet eine andere, hinter der sich eine Ziege befindet. Dann stellt er Sie vor die Wahl, bei Ihrer gewählten Tür zu bleiben oder zu der anderen geschlossenen Tür zu wechseln. Was sollten Sie tun? Die Antwort lautet, dass Sie unter diesen Umständen immer wechseln sollten. Es besteht eine 2/3-Chance, das Auto zu gewinnen, wenn Sie wechseln, und eine 1/3-Chance, wenn Sie bei Ihrer ursprünglichen Auswahl bleiben. Die meisten Menschen gehen jedoch davon aus, dass die Gewinnchance bei einem Wechsel nur 50/50 beträgt. Ich hoffe, dass diese Denkaufgabe und die Inhalte, die wir in diesem Modul behandeln, Ihnen helfen werden, probabilistische Probleme besser anzugehen.

Das ist alles enthalten

4 Videos5 Lektüren4 Aufgaben

In diesem Modul tauchen wir in ein Thema ein, mit dem Sie wahrscheinlich schon Ihr ganzes Leben lang zu tun hatten, das Sie aber vielleicht noch nie aus einer statistischen Perspektive betrachtet haben: die Normalkurve. Ganz allgemein werden wir Wahrscheinlichkeitsverteilungen besprechen, einschließlich ihrer wichtigsten Merkmale und ihrer Bedeutung für die Quantifizierung von Unsicherheit. Obwohl sich das Studium der Wahrscheinlichkeitstheorie manchmal losgelöst von der angewandten Statistik anfühlt, ist es wichtig, ein grundlegendes Verständnis der Wahrscheinlichkeit zu entwickeln, um statistische Modelle kritisch bewerten zu können. Ein Verständnis für die Wahrscheinlichkeit und ihre kontraintuitive Natur wird Ihnen helfen, die Unsicherheit eines statistischen Ergebnisses so genau wie möglich zu interpretieren. Dies ist besonders wichtig, wenn viel auf dem Spiel steht und politische Entscheidungsträger wissen wollen, ob sie auf der Grundlage eines statistischen Ergebnisses handeln sollen oder nicht.

Das ist alles enthalten

3 Videos5 Lektüren4 Aufgaben

In diesem Modul werden wir die Konzepte der Wahrscheinlichkeit, der Zufallsvariablen und der Verteilungen anwenden, um die Unsicherheit zu messen und zu interpretieren. Insbesondere werden wir uns auf die statistische Signifikanz konzentrieren. Eine Beziehung ist statistisch signifikant, wenn sie sich von Null unterscheiden lässt. Nehmen wir an, Sie möchten untersuchen, wie sich die Exposition gegenüber negativer Wahlwerbung auf die Wahrscheinlichkeit auswirkt, dass jemand wählen geht. Die unabhängige Variable ist die Exposition gegenüber negativer Wahlwerbung und die abhängige Variable ist die Wahrscheinlichkeit, dass man wählen geht. Wenn wir feststellen, dass die Exposition gegenüber negativer Wahlwerbung keinen Zusammenhang mit der Wahrscheinlichkeit der Stimmabgabe hat, würden wir sagen, dass dies ein statistisch unbedeutender Zusammenhang ist. Wenn wir stattdessen feststellen, dass die Exposition gegenüber negativer Wahlwerbung zu einem Rückgang der Wahlwahrscheinlichkeit führt, haben wir eine statistisch signifikante (d.h. von Null verschiedene) Beziehung aufgedeckt.

Das ist alles enthalten

4 Videos3 Lektüren4 Aufgaben

In diesem letzten Modul des Kurses befassen wir uns damit, wie man die Unsicherheit von Regressionsschätzungen und Umfrageergebnissen messen kann. Es ist oft der Fall, dass ein Regressionsmodell eine Beziehung ungleich Null aufzeigt, aber es ist wichtig zu bestimmen, ob diese Beziehung ausreichend von Null abweicht, so dass wir daraus schließen können, dass die Beziehung statistisch signifikant ist. Nehmen wir zum Beispiel an, ein Regressionsmodell zeigt, dass ein Medikament die Ergebnisse der Patienten um 3,2% verbessert. Sind 3,2 % statistisch gesehen anders als 0? Ein statistischer Signifikanztest wird diese Frage beantworten. In diesem Modul werden jedoch auch einige der Nachteile erörtert, die entstehen, wenn man sich bei der datengestützten Entscheidungsfindung auf die statistische Signifikanz verlässt. Die statistische Signifikanz ist zwar eine wichtige Überlegung, aber sie ist nicht das einzige Kriterium, das man verwenden sollte, wenn man entscheidet, ob man auf eine Reihe von statistischen Ergebnissen reagieren soll.

Das ist alles enthalten

3 Videos2 Lektüren3 Aufgaben1 peer review

Dozent

Jennifer Bachner, PhD
Johns Hopkins University
5 Kurse13.492 Lernende

von

Empfohlen, wenn Sie sich für Wirtschaft interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen