Build your ultimate AI agent
Deskripsi Kursus
Setelah menyelesaikan Pemikiran Statistik dengan Python (Bagian 1), Anda memiliki pola pikir probabilistik dan keterampilan dasar hacker stats untuk menyelami himpunan data dan mengekstrak informasi berharga darinya. Di kursus ini, Anda akan melakukan hal tersebut, memperluas dan mempertajam kotak peralatan hacker stats Anda untuk menjalankan dua tugas kunci dalam inferensi statistik, yaitu estimasi parameter dan pengujian hipotesis. Anda akan bekerja dengan himpunan data nyata saat belajar, dan berpuncak pada analisis pengukuran paruh burung finch Darwin yang terkenal. Anda akan menuntaskan kursus ini dengan pengetahuan baru dan banyak latihan, siap menghadapi permasalahan inferensi Anda sendiri di dunia nyata.
Prasyarat
Kurikulum
Garis besar kursus
1
Estimasi parameter melalui optimisasi
Saat melakukan inferensi statistik, kita berbicara dengan bahasa probabilitas. Suatu distribusi probabilitas yang menggambarkan data Anda memiliki parameter. Maka, tujuan utama inferensi statistik adalah memperkirakan nilai parameter-parameter ini, yang memungkinkan kita mendeskripsikan data secara ringkas dan jelas serta menarik kesimpulan darinya. Pada bab ini, Anda akan mempelajari cara menemukan parameter optimal, yaitu parameter yang paling tepat menggambarkan data Anda.
- Parameter optimal50 XP
- Seberapa sering terjadi no-hitter?100 XP
- Apakah data mengikuti cerita kita?100 XP
- Seoptimal apa parameter ini?100 XP
- Regresi linear dengan kuadrat terkecil50 XP
- EDA data melek huruf/angka kelahiran100 XP
- Regresi linear100 XP
- Seberapa optimal?100 XP
- Pentingnya EDA: Kuartet Anscombe50 XP
- Pentingnya EDA50 XP
- Regresi linear pada data Anscombe yang sesuai100 XP
- Regresi linear pada seluruh data Anscombe100 XP
2
Interval kepercayaan bootstrap
Ungkapan "pull yourself up by your bootstraps" adalah idiom klasik yang berarti mencapai tugas sulit secara mandiri tanpa bantuan. Dalam inferensi statistik, Anda ingin mengetahui apa yang akan terjadi jika Anda dapat mengulang pengambilan data tanpa batas kali. Tugas ini mustahil, tetapi dapatkah kita hanya menggunakan data yang benar-benar kita miliki untuk mendekati hasil yang sama seperti tak terhitungnya percobaan? Jawabannya ya! Teknik untuk melakukannya tepat disebut bootstrapping. Bab ini akan memperkenalkan Anda pada alat yang sangat kuat ini.
3
Pengantar pengujian hipotesis
Kini Anda tahu cara mendefinisikan dan mengestimasi parameter dengan suatu model. Namun pertanyaannya tetap: seberapa masuk akal mengamati data Anda jika sebuah model benar? Pertanyaan ini dijawab oleh pengujian hipotesis. Mereka adalah lapisan pemungkas dalam proses inferensi. Setelah menyelesaikan bab ini, Anda akan mampu menyusun dan menguji hipotesis dengan cermat menggunakan hacker statistics.
4
Contoh pengujian hipotesis
Seperti yang Anda lihat pada bab sebelumnya, pengujian hipotesis bisa agak rumit. Anda perlu mendefinisikan hipotesis nol, memikirkan cara mensimulasikannya, dan merumuskan dengan jelas apa yang dimaksud dengan "lebih ekstrem" untuk menghitung p-value. Seperti keterampilan apa pun, latihan membuat mahir, dan bab ini memberi Anda latihan yang baik dengan pengujian hipotesis.
5
Menggabungkan semuanya: sebuah studi kasus
Setiap tahun selama lebih dari 40 tahun terakhir, Peter dan Rosemary Grant pergi ke pulau Daphne Major di Kepulauan Galápagos dan mengumpulkan data tentang burung finch Darwin. Dengan keterampilan inferensi statistik Anda, Anda akan menghabiskan bab ini dengan data mereka, dan menyaksikan langsung, melalui data, evolusi yang terjadi. Ini adalah cara yang menggugah semangat untuk menutup kursus!
Pemikiran Statistik dengan Python (Bagian 2)
Kursus
Selesai
