After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Dopo aver completato Pensiero statistico in Python (Parte 1), hai la mentalità probabilistica e le basi dell’hacker stats per esplorare insiemi di dati ed estrarne informazioni utili. In questo corso farai proprio questo, ampliando e affinando la tua cassetta degli attrezzi di hacker stats per svolgere i due compiti chiave dell’inferenza statistica: la stima dei parametri e i test d’ipotesi. Lavorerai con insiemi di dati reali man mano che impari, culminando con l’analisi delle misure dei becchi dei famosi fringuelli di Darwin. Concluderai il corso con nuove conoscenze e tanta pratica sulle spalle, pronto ad affrontare i tuoi problemi di inferenza nel mondo reale.
Prerequisiti
Curriculum
Programma del corso
1
Stima dei parametri tramite ottimizzazione
Quando facciamo inferenza statistica, parliamo il linguaggio della probabilità. Una distribuzione di probabilità che descrive i tuoi dati ha dei parametri. Quindi, un obiettivo fondamentale dell’inferenza statistica è stimare i valori di questi parametri, così da descrivere i dati in modo conciso e non ambiguo e trarne conclusioni. In questo capitolo imparerai a trovare i parametri ottimali, quelli che descrivono al meglio i tuoi dati.
- Parametri ottimali50 XP
- Quanto spesso si verificano i no-hitter?100 XP
- I dati seguono la nostra storia?100 XP
- In che senso questo parametro è ottimale?100 XP
- Regressione lineare con minimi quadrati50 XP
- EDA su alfabetizzazione/fertilità100 XP
- Regressione lineare100 XP
- Quanto è ottimale?100 XP
- L'importanza dell'EDA: il quartetto di Anscombe50 XP
- L'importanza dell'EDA50 XP
- Regressione lineare sui dati appropriati di Anscombe100 XP
- Regressione lineare su tutti i dati di Anscombe100 XP
2
Intervalli di confidenza bootstrap
“Tirarsi su per i lacci degli stivali” è un modo di dire classico che indica il riuscire in un compito difficile da soli, senza alcun aiuto. Nell’inferenza statistica, vuoi sapere cosa succederebbe se potessi ripetere l’acquisizione dei dati un numero infinito di volte. Questo è impossibile, ma possiamo usare solo i dati che abbiamo per avvicinarci al risultato che otterremmo con infiniti esperimenti? La risposta è sì! La tecnica per farlo si chiama, a ragione, bootstrapping. Questo capitolo ti introdurrà a questo strumento straordinariamente potente.
3
Introduzione ai test d’ipotesi
Ora sai come definire e stimare i parametri dato un modello. Ma resta la domanda: quanto è ragionevole osservare i tuoi dati se un modello è vero? A questa domanda rispondono i test d’ipotesi. Sono la ciliegina sulla torta dell’inferenza. Dopo aver completato questo capitolo, sarai in grado di costruire e testare con cura ipotesi usando le hacker statistics.
4
Esempi di test d’ipotesi
Come hai visto nel capitolo precedente, i test d’ipotesi possono essere un po’ insidiosi. Devi definire l’ipotesi nulla, capire come simularla e chiarire cosa significa “più estremo” per calcolare il p-value. Come per qualsiasi abilità, la pratica rende perfetti, e questo capitolo ti offre un’ottima palestra per esercitarti con i test d’ipotesi.
5
Mettere tutto insieme: un caso di studio
Ogni anno, da oltre 40 anni, Peter e Rosemary Grant vanno sull’isola di Daphne Major, alle Galápagos, e raccolgono dati sui fringuelli di Darwin. Con le tue competenze di inferenza statistica, in questo capitolo lavorerai con i loro dati e vedrai in prima persona, attraverso i dati, l’evoluzione in azione. È un modo entusiasmante per concludere il corso!
Pensiero statistico in Python (Parte 2)
Corso
completato
