Name: Statistical Thinking in Python (ตอนที่ 2)
Rating: 4.796875 (256 reviews)

รายละเอียดคอร์ส

หลังจากผ่าน Statistical Thinking in Python (ตอนที่ 1) มาแล้ว คุณมีทั้งแนวคิดเชิงความน่าจะเป็นและทักษะ hacker stats พื้นฐานพร้อมสำหรับการวิเคราะห์ชุดข้อมูลและดึงข้อมูลเชิงลึกที่มีประโยชน์ออกมา ในคอร์สนี้ เราจะต่อยอดและฝึกฝนทักษะเหล่านั้นเพื่อทำงานหลักสองอย่างของการอนุมานทางสถิติ ได้แก่ การประมาณค่าพารามิเตอร์และการทดสอบสมมติฐาน คุณจะได้เรียนรู้จากชุดข้อมูลจริง และจบคอร์สด้วยการวิเคราะห์ข้อมูลการวัดจะงอยปากของนกฟินช์ชื่อดังในงานของดาร์วิน เมื่อจบคอร์สนี้ คุณจะมีความรู้และประสบการณ์ฝึกหัดพร้อมนำไปใช้แก้ปัญหาการอนุมานในโลกจริงได้ทันที

ข้อกำหนดเบื้องต้น

Statistical Thinking in Python (Part 1)

หลักสูตร

โครงสร้างคอร์ส

การประมาณค่าพารามิเตอร์ด้วยการหาค่าเหมาะที่สุด

ในการอนุมานทางสถิติ เราใช้ภาษาของความน่าจะเป็น การแจกแจงความน่าจะเป็นที่อธิบายข้อมูลของคุณจะมีพารามิเตอร์ประกอบอยู่ ดังนั้น เป้าหมายหลักอย่างหนึ่งของการอนุมานทางสถิติคือการประมาณค่าพารามิเตอร์เหล่านี้ ซึ่งช่วยให้อธิบายข้อมูลและสรุปผลได้อย่างกระชับและชัดเจน ในบทนี้ คุณจะได้เรียนรู้วิธีค้นหาพารามิเตอร์ที่เหมาะที่สุดสำหรับข้อมูลของคุณ

เริ่มบทเรียน

Bootstrap confidence intervals

ในการอนุมานทางสถิติ เราอยากรู้ว่าจะเกิดอะไรขึ้นหากเก็บข้อมูลซ้ำได้ไม่จำกัดครั้ง แม้ว่าจะทำไม่ได้จริงในทางปฏิบัติ แต่เราสามารถใช้เฉพาะข้อมูลที่มีอยู่เพื่อให้ได้ผลลัพธ์ใกล้เคียงกับการทดลองจำนวนมหาศาลได้ คำตอบคือใช่ได้! เทคนิคนี้เรียกว่า bootstrapping ซึ่งเป็นเครื่องมือที่ทรงพลังอย่างยิ่ง บทนี้จะแนะนำให้คุณรู้จักกับมัน

เริ่มบทเรียน

การทดสอบสมมติฐานเบื้องต้น

ตอนนี้คุณรู้วิธีกำหนดและประมาณค่าพารามิเตอร์ภายใต้โมเดลที่เลือกแล้ว แต่ยังมีคำถามที่ต้องตอบ นั่นคือ หากโมเดลนั้นเป็นจริง มีความสมเหตุสมผลแค่ไหนที่จะสังเกตข้อมูลแบบนี้? การทดสอบสมมติฐานคือเครื่องมือที่ใช้ตอบคำถามนี้ และถือเป็นขั้นตอนสำคัญของกระบวนการอนุมาน หลังจากจบบทนี้ คุณจะสามารถสร้างและทดสอบสมมติฐานได้อย่างรัดกุมโดยใช้ hacker statistics

เริ่มบทเรียน

ตัวอย่างการทดสอบสมมติฐาน

อย่างที่เห็นในบทที่แล้ว การทดสอบสมมติฐานต้องใช้ความละเอียดรอบคอบพอสมควร ทั้งการกำหนด null hypothesis การจำลองสถานการณ์ และการระบุความหมายของ "สุดขั้วกว่า" เพื่อคำนวณค่า p-value ทักษะเหล่านี้ต้องอาศัยการฝึกฝน และบทนี้จะให้โจทย์ฝึกหัดที่ดีสำหรับการทดสอบสมมติฐาน

เริ่มบทเรียน

รวมทุกอย่างเข้าด้วยกัน: กรณีศึกษา

ตลอดกว่า 40 ปีที่ผ่านมา Peter และ Rosemary Grant เดินทางไปยังเกาะ Daphne Major ในหมู่เกาะกาลาปากอสทุกปีเพื่อเก็บข้อมูลนกฟินช์ของดาร์วิน ในบทนี้ คุณจะนำทักษะการอนุมานทางสถิติมาใช้กับข้อมูลเหล่านั้น และได้เห็นกระบวนการวิวัฒนาการที่เกิดขึ้นจริงผ่านข้อมูล เป็นบทสรุปที่น่าตื่นเต้นสำหรับคอร์สนี้