Name: Статистичне мислення в Python (Частина 2)
Rating: 4.796875 (256 reviews)

Опис курсу

Після завершення курсу «Статистичне мислення в Python (Частина 1)» ви вже маєте ймовірнісне мислення та базові навички hacker stats, щоб занурюватися в набори даних і діставати з них корисну інформацію. У цьому курсі ви саме цим і займетеся: розширите й відточите інструментарій hacker stats для виконання двох ключових завдань статистичного висновування — оцінювання параметрів і перевірки гіпотез. Ви працюватимете з реальними наборами даних під час навчання, а фінально проаналізуєте вимірювання дзьобів знаменитих в'юрків Дарвіна. Після курсу ви матимете нові знання і багато практики, тож будете готові розв'язувати власні задачі статистичного висновування у реальному світі.

Попередні вимоги

Statistical Thinking in Python (Part 1)

Навчальний план

Зміст курсу

Оцінювання параметрів шляхом оптимізації

Під час статистичного висновування ми говоримо мовою ймовірностей. Розподіл імовірностей, що описує ваші дані, має параметри. Отже, одне з головних завдань статистичного висновування — оцінити значення цих параметрів. Це дає змогу стисло й однозначно описати дані та зробити з них висновки. У цьому розділі ви навчитеся знаходити оптимальні параметри — ті, що найкраще описують ваші дані.

Почати розділ

Довірчі інтервали бутстрепу

Вираз «to pull yourself up by your bootstraps» означає самотужки впоратися зі складним завданням без сторонньої допомоги. У статистичному висновуванні вам хочеться знати, що сталося б, якби ви могли нескінченно багато разів повторювати збирання даних. Це неможливо. Але чи можемо ми використати лише наявні дані, щоб отримати результат, максимально близький до того, що дали б безліч експериментів? Так! Метод, що це дозволяє, влучно називається бутстрепом. У цьому розділі ви познайомитеся з цим надзвичайно потужним інструментом.

Почати розділ

Вступ до перевірки гіпотез

Тепер ви вмієте визначати й оцінювати параметри за заданою моделлю. Але постає питання: наскільки правдоподібно спостерігати ваші дані, якщо модель істинна? На це відповідає перевірка гіпотез. Це своєрідна «вишенька на торті» статистичного висновування. Після цього розділу ви зможете ретельно формулювати та перевіряти гіпотези, використовуючи hacker statistics.

Почати розділ

Приклади перевірки гіпотез

Як ви побачили в попередньому розділі, перевірка гіпотез може бути непростою. Потрібно визначити нульову гіпотезу, зрозуміти, як її змоделювати, і чітко окреслити, що означає «більш екстремальне», щоб обчислити p-значення. Як і будь-яка навичка, це потребує практики. У цьому розділі ви отримаєте хорошу практику роботи з перевірками гіпотез.

Почати розділ

Об'єднуємо все: кейс-стаді

Щороку протягом понад 40 років Пітер і Розмарі Ґрант відвідують острів Дафна-Мейджор у Галапагосах і збирають дані про в'юрків Дарвіна. Використовуючи навички статистичного висновування, у цьому розділі ви попрацюєте з їхніми даними й на власні очі побачите, як еволюція проявляється в даних. Це захопливе завершення курсу!