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.
Für diejenigen, die bereits mit statistischen Tests vertraut sind: Wir werden uns z-Tests für 1 und 2 Proportionen, den McNemar-Test für abhängige Proportionen, t-Tests für 1 Mittelwert (gepaarte Unterschiede) und 2 Mittelwerte, den Chi-Quadrat-Test für Unabhängigkeit, den exakten Test von Fisher, einfache Regression (linear und exponentiell) und multiple Regression (linear und logistisch), einseitige und faktorielle Varianzanalyse sowie nichtparametrische Tests (Wilcoxon, Kruskal-Wallis, Vorzeichentest, Signed-Rank-Test, Runs-Test) ansehen.