fbpx

統計學導論

Contents

史丹佛大學的“統計學導論”教你統計思維概念,這些概念對於從資料中學習和交流見解至關重要。 在課程結束時,你將能夠進行探索性資料分析,理解抽樣的關鍵原則,並為多種環境選擇適當的顯著性測試。 你將獲得基礎技能,為攻讀統計思維和機器學習方面的更高級主題做好準備。

主題包括描述性統計、抽樣和隨機控制實驗、機率、抽樣分佈和中心極限定理( Central Limit Theorem )、迴歸、常見的顯著性測試、重取樣、多重比較。

到官方網站了解本課程與上課

字幕

英文

製作方

Stanford University 更多 Stanford 開的課程 )

利蘭史丹佛初級大學( The Leland Stanford Junior University, ),通常被稱為史丹佛大學或史丹佛,是一所美國私立研究型大學,位於加利佛尼亞州史丹佛市,佔地 8,180 英畝(3,310 公頃),靠近美國加利佛尼亞州帕洛阿爾托市( Palo Alto )。

第 1 門課程  探索資料的介紹和描述性統計

本模組概述了課程,並回顧了描述性統計中用於視覺化資料的主要工具。


第 2-1 門課程-1  產生資料和樣本

在本模組中,你將了解採樣和設計實驗的主要概念。 你將了解奇怪的陷阱以及如何評估此類實驗的有效性。


第 2-2 門課程  機率

在本模組中,你將了解機率的定義以及解決簡單和復雜挑戰所需的機率的基本規則。 你還將了解如何使用簡單的機率規則為現實生活中的複雜情況創建解決方案的示例。


第 3-1 門課程  常態逼近和二項式分佈

該模組涵蓋了資料的經驗規則和常態逼近,這是許多統計程序中使用的技術。 你還將了解二項式分佈和隨機變數的基礎知識。


第 4 門課程  迴歸

該模組涵蓋迴歸,可以說是最重要的統計技術,因為它具有解決不同類型統計問題的多功能性。 你將了解推理( inference )、迴歸( regression )以及如何進行迴歸診斷。


第 5-1 門課程  置信區間

在本模組中,你將學習如何在標準情況下建構和解釋置信區間( confidence intervals )。


第 5-2 門課程  顯著性測試

在本模組中,你將了解測試背後的邏輯,並學習如何針對不同的樣本和情況執行適當的統計測試。 你還將了解測試中常見的誤解和陷阱。


第 6-1 門課程  重取樣

本模組側重於電腦密集型統計推斷中使用的兩種主要方法:蒙地卡羅方法和 Bootstrap 方法。 你將了解這些方法背後的理論原理以及它們如何應用於不同的環境,例如迴歸和建構置信區間。


第 6-2 門課程  分類資料分析

本模組重點介紹分類資料的三個重要統計分析:卡方適合度的彌合檢定( Chi-Square Goodness of Fit test, )、同質性卡方檢定( Chi-Square test of Homogeneity )和獨立性的卡方檢定(  Chi-Square test of Independence )。


第 7 門課程  單向變異數分析 (ANOVA)

本模組涵蓋 ANOVA 的基礎知識以及 F 測試如何處理單向 ANOVA 多示例。


 8 門課程  多重比較

在本單元中,你將了解大數據時代浮現的非常重要的問題:資料窺探和許多測試謬誤。 你還將探索資料再現性和適用性挑戰背後的原因,以及如何在你自己的工作中防止此類問題。


 

到官方網站了解本課程與上課

Sponsored by Coursera

你可能會有興趣

使用 e-mail 追蹤 Soft & Share

發表迴響

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: