After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Категоріальні дані оточують нас усюди: у свіжих результатах опитувань, у даних, що ведуть до проривів у геноміці, та в масивах даних, які інтернет‑компанії збирають, щоб продавати вам товари. У цьому курсі ви навчитеся відділяти сигнал від шуму: визначати, коли структура в таких даних свідчить про цікаві закономірності, а коли це лише випадковий шум.
Попередні вимоги
Навчальний план
Зміст курсу
1
Висновки для одного параметра
У цьому розділі ви дізнаєтеся, як виконувати статистичні висновки щодо одного параметра, що описує категоріальні дані. Це охоплює методи на основі повторного вибірковування та методи наближень для однієї частки.
- Загальне соціальне опитування50 XP
- Дослідження consci100 XP
- Генерування через bootstrap100 XP
- Побудова довірчого інтервалу (CI)100 XP
- Чому більше бутстрепів?50 XP
- Інтерпретація довірчого інтервалу50 XP
- ДІ та рівень довіри50 XP
- SE з меншими даними100 XP
- SE за різних p100 XP
- Скорочений шлях через апроксимацію50 XP
- ДІ за наближенням100 XP
- Порівняння методів50 XP
2
Частки: перевірка гіпотез і потужність
У цьому розділі ви глибше опануєте перевірку гіпотез і побудову довірчих інтервалів для одного параметра. Далі ви навчитеся робити висновки щодо різниці між двома частками. Насамкінець розділ завершується дослідженням того, що відбувається, коли нульова гіпотеза справді істинна.
3
Порівняння багатьох параметрів: незалежність
У цій частині курсу ви навчитеся використовувати як методи повторного вибірковування, так і класичні методи для перевірки незалежності двох категоріальних змінних. У розділі розглядається, як виконувати критерій хі‑квадрат.
4
Порівняння багатьох параметрів: узгодженість моделі
Курс завершується двома кейсами на основі виборчих даних. Тут ви навчитеся застосовувати критерій хі‑квадрат для перевірки узгодженості моделі. Ви проаналізуєте результати виборів в Ірані та Айові й перевірите, чи виконується закон Бенфорда для цих наборів даних.
R
Статистичні висновки для категоріальних даних у R
Курс
завершено
