In der Inferenzstatistik geht es darum, aus den in der Stichprobe gefundenen Beziehungen auf die Beziehungen in der Grundgesamtheit zu schließen. Mit Hilfe der Inferenzstatistik können wir beispielsweise entscheiden, ob die Unterschiede zwischen den Gruppen, die wir in unseren Daten feststellen, stark genug sind, um unsere Hypothese zu stützen, dass Gruppenunterschiede generell in der Gesamtbevölkerung bestehen. Wir werden zunächst die Grundprinzipien der Signifikanztests betrachten: die Verteilung der Stichproben- und Teststatistiken, den p-Wert, das Signifikanzniveau, die Aussagekraft sowie Fehler vom Typ I und Typ II. Anschließend werden wir uns mit einer Vielzahl von statistischen Tests und Techniken befassen, die uns dabei helfen, Schlussfolgerungen für verschiedene Datentypen und verschiedene Forschungsdesigns zu ziehen. Für jeden einzelnen statistischen Test werden wir untersuchen, wie er funktioniert, für welche Daten und welches Design er geeignet ist und wie die Ergebnisse zu interpretieren sind. Sie werden auch lernen, wie Sie diese Tests mit frei verfügbarer Software durchführen können.
Inferentielle Statistik
Dieser Kurs ist Teil von Spezialisierung Methoden und Statistik in den Sozialwissenschaften
Dozenten: Annemarie Zand Scholten
66.670 bereits angemeldet
Bei enthalten
(593 Bewertungen)
Kompetenzen, die Sie erwerben
- Kategorie: Statistik
- Kategorie: Statistische Inferenz
- Kategorie: Regressionsanalyse
- Kategorie: Analyse der Varianz (ANOVA)
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
8 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- 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
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.
In diesem Kurs gibt es 8 Module
[formatierter Text hier]
Das ist alles enthalten
1 Video10 Lektüren
In diesem zweiten Modul der Woche 1 beginnen wir mit einer kurzen Auffrischung der statistischen Hypothesentests. Da wir davon ausgehen, dass Sie gerade den Kurs Grundlagen der Statistik absolviert haben, ist unsere Behandlung etwas abstrakter und wir gehen sehr schnell vor! Wir stellen Ihnen die entsprechenden Basic Statistics-Videos zur Verfügung, falls Sie einen sanfteren Einstieg benötigen. Nach der Auffrischung besprechen wir Methoden zum Vergleich zweier Gruppen anhand einer kategorialen oder quantitativen abhängigen Variable. Wir verwenden unterschiedliche Tests für unabhängige und abhängige Gruppen.
Das ist alles enthalten
9 Videos5 Lektüren1 Aufgabe3 App-Elemente
In diesem Modul befassen wir uns mit der kategorialen Assoziation. Wir werden vor allem den Chi-Quadrat-Test besprechen, mit dem wir entscheiden können, ob zwei kategoriale Variablen in der Bevölkerung miteinander in Beziehung stehen. Wenn zwei kategoriale Variablen nicht miteinander verbunden sind, würden Sie erwarten, dass die Kategorien dieser Variablen nicht "zusammenpassen". Sie würden erwarten, dass die Anzahl der Fälle in jeder Kategorie der einen Variable auf jedem Niveau der anderen Variable proportional ähnlich ist. Der Chi-Quadrat-Test hilft uns, die tatsächliche Anzahl der Fälle für jede Kombination von Kategorien (die gemeinsamen Häufigkeiten) mit der erwarteten Anzahl der Fälle zu vergleichen, wenn die Variablen nicht miteinander verbunden sind.
Das ist alles enthalten
6 Videos4 Lektüren1 Aufgabe1 App-Element
In diesem Modul sehen wir uns an, wie wir den Zusammenhang zwischen zwei quantitativen Variablen mithilfe einer einfachen (linearen) Regressionsanalyse beschreiben können. Die Regressionsanalyse ermöglicht es uns, die Beziehung zwischen zwei quantitativen Variablen zu modellieren und - auf der Grundlage unserer Stichprobe - zu entscheiden, ob in der Population eine "echte" Beziehung besteht. Die Regressionsanalyse ist nützlicher als die bloße Berechnung eines Korrelationskoeffizienten, denn sie ermöglicht es uns zu beurteilen, wie gut unsere Regressionslinie zu den Daten passt, sie hilft uns, Ausreißer zu identifizieren und die Werte der abhängigen Variable für neue Fälle vorherzusagen.
Das ist alles enthalten
9 Videos4 Lektüren1 Aufgabe1 App-Element
In diesem Modul werden wir sehen, wie wir mehr als einen Prädiktor verwenden können, um eine quantitative Ergebnisvariable zu beschreiben oder vorherzusagen. In den Sozialwissenschaften sind die Beziehungen zwischen psychologischen und sozialen Variablen im Allgemeinen nicht sehr stark, da die Ergebnisse im Allgemeinen durch komplexe Prozesse beeinflusst werden, an denen viele Variablen beteiligt sind. Es ist also sehr hilfreich, eine Ergebnisvariable mit mehreren Prädiktoren beschreiben zu können, nicht nur, um die Passgenauigkeit des Modells zu erhöhen, sondern auch, um den individuellen Beitrag jedes Prädiktors zu bewerten, während die anderen kontrolliert werden.
Das ist alles enthalten
8 Videos4 Lektüren1 Aufgabe1 App-Element
In diesem Modul besprechen wir die Varianzanalyse, eine sehr beliebte Technik, mit der wir mehr als zwei Gruppen bei einer quantitativen abhängigen Variable vergleichen können. Wir nennen sie Varianzanalyse, weil wir zwei Schätzungen der Varianz in der Grundgesamtheit vergleichen. Wenn sich die Gruppenmittelwerte in der Population unterscheiden, unterscheiden sich auch die Varianzschätzungen. Genau wie bei der multiplen Regression können wir mit der faktoriellen Varianzanalyse den Einfluss mehrerer unabhängiger Variablen untersuchen.
Das ist alles enthalten
6 Videos3 Lektüren1 Aufgabe1 App-Element
In diesem Modul werden wir das letzte Thema dieses Kurses besprechen: Nichtparametrische Tests. Bis jetzt haben wir uns hauptsächlich mit Tests beschäftigt, die Annahmen über die Form der Verteilung erfordern (z-Tests, t-Tests und F-Tests). Manchmal sind diese Annahmen nicht zutreffend. Nicht-parametrische Tests erfordern weniger dieser Annahmen. Es gibt mehrere nicht-parametrische Tests, die den parametrischen z-, t- und F-Tests entsprechen. Diese Tests sind auch dann nützlich, wenn die Antwortvariable eine geordnete kategoriale Variable im Gegensatz zu einer quantitativen Variable ist. Es gibt auch nicht-parametrische Entsprechungen für den Korrelationskoeffizienten und einige Tests, die keine parametrischen Gegenstücke haben.
Das ist alles enthalten
7 Videos5 Lektüren1 Aufgabe1 App-Element
In diesem letzten Modul gibt es kein neues Material zu lernen. Wir raten Ihnen, sich etwas mehr Zeit zu nehmen, um den Stoff der vorherigen Module durchzugehen und für die Abschlussprüfung zu üben. Wir haben eine Übungsprüfung zur Verfügung gestellt, die Sie so oft Sie wollen ablegen können. Die Abschlussprüfung ist genauso aufgebaut wie die Übungsprüfung, so dass Sie wissen, was Sie erwartet. Bitte beachten Sie, dass Sie die Abschlussprüfung nur zweimal innerhalb von sieben Tagen ablegen können, bereiten Sie sich also gut vor. Bitte halten Sie sich an den Ehrenkodex und kommunizieren oder konferieren Sie nicht mit anderen, während Sie diese Prüfung ablegen oder danach. Bei den offenen Fragen der Prüfung (d.h. den Fragen, die keine Multiple-Choice-Fragen sind) sollten Sie Ihre Antworten mit 3 Dezimalstellen angeben und bei Ihren Berechnungen 5 Dezimalstellen verwenden. Viel Glück!
Das ist alles enthalten
2 Aufgaben
Dozenten
Empfohlen, wenn Sie sich für Wahrscheinlichkeitsrechnung und Statistik interessieren
Johns Hopkins University
University of Illinois Urbana-Champaign
Johns Hopkins University
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
593 Bewertungen
- 5 stars
62,90 %
- 4 stars
21,24 %
- 3 stars
7,92 %
- 2 stars
3,20 %
- 1 star
4,72 %
Zeigt 3 von 593 an
Geprüft am 13. Apr. 2019
Enjoyed it. The tutors are amazing in how they help you understand each topic and the workings around it.
Geprüft am 14. Apr. 2016
I understood inferential statistics better with this course. Both teachers made the concepts clear for me. The R homework helps me review inferential statistics methods.
Geprüft am 12. Juni 2024
It's an outstanding course, have learnt my skills and techniques for testing hypothesis and data analysis.
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - 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
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Specializations, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.