After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
เข้าใจการทดสอบสมมติฐานอย่างแท้จริง
หลังจากที่คุณคำนวณค่าเฉลี่ยและสร้างกราฟแล้ว จะเกิดอะไรขึ้น? จะเปลี่ยนจากสถิติเชิงพรรณนาไปสู่การตัดสินใจอย่างมั่นใจได้อย่างไร? จะนำการทดสอบสมมติฐานไปประยุกต์ใช้เพื่อแก้ปัญหาในโลกจริงได้อย่างไร? ในหลักสูตรสี่ชั่วโมงนี้เกี่ยวกับพื้นฐานของการอนุมานใน Python คุณจะได้ลงมือปฏิบัติจริงในการสรุปผลอย่างถูกต้องโดยอิงจากข้อมูล คุณจะได้เรียนรู้ทุกอย่างเกี่ยวกับการสุ่มตัวอย่าง และค้นพบว่าการสุ่มตัวอย่างที่ไม่เหมาะสมสามารถทำให้การอนุมานทางสถิติคลาดเคลื่อนได้อย่างไรวิเคราะห์สถานการณ์ที่หลากหลายอย่างครอบคลุม
คุณจะเริ่มต้นด้วยการทำงานกับการทดสอบสมมติฐานสำหรับความเป็นปกติและสหสัมพันธ์ รวมถึงการทดสอบทั้งแบบพาราเมตริกและนอนพาราเมตริก คุณจะรันการทดสอบเหล่านี้โดยใช้ SciPy และตีความผลลัพธ์เพื่อใช้ในการตัดสินใจต่อไป คุณจะวัดความแข็งแกร่งของผลลัพธ์โดยใช้ขนาดอิทธิพลและพลังทางสถิติ พร้อมทั้งหลีกเลี่ยงความสัมพันธ์ลวงด้วยการใช้การปรับแก้ต่างๆสุดท้าย คุณจะใช้การจำลอง การสุ่ม และเมตาอะนาลิซิสเพื่อทำงานกับข้อมูลหลากหลายประเภท รวมถึงการวิเคราะห์ผลลัพธ์จากนักวิจัยคนอื่นอีกครั้งสรุปข้อเท็จจริงที่มั่นคงจากข้อมูลขนาดใหญ่
หลังจากจบหลักสูตรนี้ คุณจะสามารถนำข้อมูลขนาดใหญ่มาใช้ได้อย่างมีประสิทธิภาพ เพื่อการตัดสินใจอย่างมีหลักการที่ผู้นำสามารถไว้วางใจได้ คุณจะก้าวไกลเกินกว่ากราฟและสถิติสรุป เพื่อสร้างผลลัพธ์ที่เชื่อถือได้ ทำซ้ำได้ และอธิบายได้ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
สถิติอนุมานและการสุ่มตัวอย่าง
บทนี้จะสำรวจความสัมพันธ์ระหว่างตัวอย่างข้อมูลกับข้อสรุปที่สามารถพิสูจน์ได้ทางสถิติ การเลือกตัวอย่างเป็นรากฐานของการตัดสินใจทางสถิติที่ดี และจะได้เรียนรู้ว่าการเลือกตัวอย่างส่งผลต่อผลลัพธ์ของการอนุมานอย่างไร
- การอนุมานทางสถิติและการสุ่มตัวอย่าง50 XP
- การสุ่มตัวอย่างและการประมาณค่าจุด100 XP
- การสุ่มตัวอย่างซ้ำ ค่าประมาณจุด และการอนุมาน100 XP
- การสุ่มตัวอย่างและความลำเอียง50 XP
- การแสดงภาพข้อมูลตัวอย่าง100 XP
- การอนุมานและความลำเอียง100 XP
- ช่วงความเชื่อมั่นและการสุ่มตัวอย่าง50 XP
- การแจกแจงตัวอย่างแบบปกติ100 XP
- การคำนวณช่วงความเชื่อมั่น100 XP
- การสรุปผลจากกลุ่มตัวอย่าง100 XP
2
เครื่องมือทดสอบสมมติฐาน
เรียนรู้การใช้การทดสอบการแจกแจงแบบปกติ การทดสอบความสัมพันธ์ และการทดสอบแบบพาราเมตริกและนอนพาราเมตริกเพื่อการอนุมานที่แม่นยำ การทดสอบสมมติฐานเปรียบเสมือนชุดเครื่องมือ การเลือกใช้เครื่องมือให้ถูกต้องจึงเป็นสิ่งสำคัญอย่างยิ่งสำหรับการตัดสินใจทางสถิติ แม้จะคุ้นเคยกับการทดสอบเหล่านี้จากคอร์สเบื้องต้นมาแล้ว บทนี้จะพาไปทำความเข้าใจให้ลึกยิ่งขึ้นเพื่อเสริมความแข็งแกร่งให้ชุดเครื่องมืออนุมานของคุณ
3
Effect Size
บทนี้จะวัดและแปลผล effect size ในสถานการณ์ต่าง ๆ ทำความรู้จักกับปัญหา multiple comparisons และศึกษา power ของการทดสอบอย่างละเอียด แม้ p-value จะบอกได้ว่ามีผลที่มีนัยสำคัญหรือไม่ แต่ไม่ได้บอกว่าผลนั้นแข็งแกร่งเพียงใด effect size ช่วยวัดความเข้มแข็งของผลที่เกิดจากตัวแปรกระทำ บทนี้จะทำให้เชี่ยวชาญปัจจัยที่เป็นรากฐานของ effect size
4
การจำลอง การสุ่มสลับข้อมูล และ Meta-Analysis
บทนี้จะขยายชุดเครื่องมือสถิติอนุมานให้กว้างขึ้นด้วย bootstrapping การทดสอบแบบ permutation และวิธีการรวมหลักฐานจาก p-value Bootstrapping จะเปิดโลกการจำลองทางสถิติเป็นครั้งแรก ในบทเรียน meta-analysis จะได้เรียนรู้การรวมผลลัพธ์จากการศึกษาหลายชิ้นเข้าด้วยกัน และปิดท้ายด้วย permutation test ซึ่งเป็นเครื่องมือทางสถิตินอนพาราเมตริกที่ทรงพลังและยืดหยุ่น
พื้นฐานการอนุมานทางสถิติด้วย Python
เรียนจบแล้ว
