Explore le financement d'une idée, l'analyse de données volumineuses et les bases statistiques avec des idées sur la façon d'éviter les pièges courants.
Introduit des concepts d'inférence statistique, en se concentrant sur l'estimation des paramètres, les estimateurs non biaisés et l'estimation moyenne à l'aide de variables aléatoires indépendantes.
Explore l'estimation de la variance, la création d'estimateurs personnels, la correction du biais et la compréhension de l'erreur carrée moyenne dans l'analyse statistique.
Explore les tests d'hypothèses par le biais de la réfutation statistique et du calcul de probabilité, en mettant l'accent sur le niveau de signification et le traitement des erreurs dans les déclarations statistiques.
Explique le test t à deux échantillons pour comparer les moyennes d'échantillons indépendants, y compris les étapes de test d'hypothèse et le calcul statistique de test.
Introduit le test chi-carré pour le test d'hypothèse par rapport aux distributions théoriques, en présentant son application avec des tests d'équité des dés.
Couvre la méthode ANOVA, en se concentrant sur la partition de la somme totale des carrés en composantes de traitement et d'erreur, les calculs carrés moyens, les statistiques de Fisher et la distribution F.
Explore ANOVA multi-facteurs, analysant la variance expliquée par de multiples facteurs et leurs interactions, fournissant des conseils pratiques sur la décomposition de la somme totale des carrés.