Build your ultimate AI agent
Opis kursu
Naprawdę zrozum testy hipotez
Co dzieje się po obliczeniu średnich i stworzeniu wykresów? Jak przejść od statystyki opisowej do pewnego podejmowania decyzji? Jak możesz zastosować testy hipotez do rozwiązywania rzeczywistych problemów? W tym czterogodzinnym kursie poświęconym podstawom wnioskowania w Pythonie zdobędziesz praktyczne doświadczenie w wyciąganiu trafnych wniosków na podstawie danych. Dowiesz się wszystkiego o próbkowaniu i odkryjesz, jak niewłaściwe próbkowanie może zaburzyć wnioskowanie statystyczne.Analizuj szeroki zakres scenariuszy
Zaczniesz od pracy z testami hipotez dla normalności i korelacji, a także z testami parametrycznymi i nieparametrycznymi. Będziesz przeprowadzać te testy za pomocą SciPy i interpretować ich wyniki, aby wykorzystać je do podejmowania decyzji.Następnie zmierzysz siłę wyniku za pomocą wielkości efektu i mocy statystycznej, jednocześnie unikając pozornych korelacji poprzez stosowanie korekt.Na koniec wykorzystasz symulację, randomizację i metaanalizę do pracy z szerokim zakresem danych, w tym do ponownej analizy wyników innych badaczy.Wyciągaj trafne wnioski z Big Data
Po ukończeniu kursu będziesz potrafić skutecznie wykorzystać big data do podejmowania przemyślanych decyzji, na których liderzy mogą polegać. Wyjdziesz daleko poza wykresy i statystyki podsumowujące, aby tworzyć wiarygodne, powtarzalne i łatwe do wyjaśnienia wyniki.Wymagania wstępne
Program kursu
Plan kursu
1
Statystyka wnioskowania i próbkowanie
W tym rozdziale przyjrzymy się zależności między próbami a statystycznie uzasadnionymi wnioskami. Dobór próby stanowi podstawę trafnych decyzji statystycznych, a ty przekonasz się, jak wybór próby wpływa na wyniki wnioskowania.
- Wnioskowanie statystyczne i losowanie próby50 XP
- Próbkowanie i estymatory punktowe100 XP
- Wielokrotne próbkowanie, estymatory punktowe i wnioskowanie100 XP
- Próbkowanie i błąd systematyczny50 XP
- Wizualizacja próbek100 XP
- Wnioskowanie i obciążenie100 XP
- Przedziały ufności i próbkowanie50 XP
- Normalne rozkłady próbkowania100 XP
- Obliczanie przedziałów ufności100 XP
- Wyciąganie wniosków z próbek100 XP
2
Zestaw narzędzi do testowania hipotez
Naucz się stosować testy normalności, testy korelacji oraz testy parametryczne i nieparametryczne na potrzeby rzetelnego wnioskowania. Testy hipotez to narzędzia – wybór właściwego narzędzia do danego zadania jest kluczowy w statystycznym podejmowaniu decyzji. Nawet jeśli znasz już niektóre z tych testów z kursów wprowadzających, w tym rozdziale zagłębisz się w temat i rozbudujesz swój warsztat wnioskowania.
3
Wielkość efektu
W tym rozdziale zmierzysz i zinterpretujesz wielkość efektu w różnych sytuacjach, zetkniesz się z problemem wielokrotnych porównań i dogłębnie poznasz moc testu. Wartości p mówią ci, czy istotny efekt w ogóle występuje, ale nie informują o jego sile. Wielkość efektu mierzy, jak silny wpływ ma dane działanie. Opanuj czynniki decydujące o wielkości efektu w tym rozdziale.
4
Symulacja, randomizacja i metaanaliza
Jeszcze bardziej rozbudujesz swój warsztat statystyki wnioskowania, poznając bootstrapping, testy permutacyjne i metody łączenia dowodów z wartości p. Bootstrapping da ci pierwsze spojrzenie na symulację statystyczną. W lekcji dotyczącej metaanalizy dowiesz się, jak łączyć wyniki wielu badań. Na koniec przyjrzysz się testom permutacyjnym – potężnemu i elastycznemu nieparametrycznemu narzędziu statystycznemu.
Podstawy wnioskowania statystycznego w Pythonie
Kurs
ukończony
