After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Працюючи з даними з багатьма змінними, ми часто хочемо дослідити взаємозв'язки між ними за допомогою багатовимірної статистики. У цьому курсі ви навчитеся аналізувати такі набори даних. Ви також ознайомитеся з поширеними багатовимірними ймовірнісними розподілами, зокрема багатовимірним нормальним, багатовимірним t-розподілом і деякими багатовимірними асиметричними розподілами. Далі ви познайомитеся з методами подання даних високої розмірності в меншій кількості вимірів, зокрема з аналізом головних компонент (PCA) та багатовимірним масштабуванням (MDS).
Попередні вимоги
Навчальний план
Зміст курсу
1
Зчитування та візуалізація багатовимірних даних
У цьому вступі до багатовимірних даних ви дізнаєтеся, як їх зчитувати та підсумовувати. Ви навчитеся узагальнювати багатовимірні дані за допомогою описової статистики, зокрема вектора середніх, матриць коваріації та кореляції. Потім ви дослідите способи візуалізації, які допомагають краще зрозуміти багатовимірні дані.
- Зчитування багатовимірних даних50 XP
- Читання багатовимірних даних за допомогою read.table100 XP
- Задання типів даних для стовпців100 XP
- Вектор середніх та матриця дисперсій-коваріацій50 XP
- Обчислення вектора середніх100 XP
- Обчислення матриці дисперсій і коваріацій100 XP
- Обчислення матриці кореляцій100 XP
- Побудова графіків багатовимірних даних50 XP
- Діаграма пар за допомогою базової графіки та lattice100 XP
- Методи побудови 3D‑графіків100 XP
2
Багатовимірний нормальний розподіл
У цьому розділі ви познайомитеся з найважливішим і найпоширенішим багатовимірним ймовірнісним розподілом — багатовимірним нормальним. Ви дізнаєтеся, як генерувати випадкові вибірки з багатовимірного нормального розподілу та як обчислювати й відображати густини та ймовірності для цього розподілу. Також ви навчитеся перевіряти, чи дотримуються дані багатовимірної нормальності.
3
Інші багатовимірні розподіли
У цьому розділі розглянуто низку розподілів імовірностей для моделювання ненормальних даних. Зокрема, ви ознайомитеся з багатовимірними t-розподілами, які можуть моделювати «важчі хвости» та узагальнюють одновимірний t-розподіл Стьюдента. Також буде представлено різні асиметричні розподіли, спеціально розроблені для моделювання правосторонньо або лівосторонньо асиметричних даних.
4
Аналіз головних компонент і багатовимірне масштабування
У фінальному розділі ви познайомитеся з методами аналізу даних високої розмірності, зокрема аналізом головних компонент (PCA) і багатовимірним масштабуванням (MDS). Ви також навчитеся застосовувати ці методи на практиці, аналізуючи дані.
R
Багатовимірні ймовірнісні розподіли в R
Курс
завершено
