Course Summary
Learn how to use statistics to analyze data and make informed decisions with this Coursera course. Gain practical skills in statistical analysis and learn how to apply them to real-world problems.Key Learning Points
- Gain practical skills in statistical analysis
- Learn how to apply statistical analysis to real-world problems
- Make informed decisions based on data analysis
Related Topics for further study
Learning Outcomes
- Gain proficiency in statistical analysis
- Apply statistical analysis to solve real-world problems
- Make informed decisions based on data analysis
Prerequisites or good to have knowledge before taking this course
- Basic math skills
- Familiarity with Excel or a similar spreadsheet program
Course Difficulty Level
IntermediateCourse Format
- Online
- Self-paced
Similar Courses
- Data Science Essentials
- Introduction to Data Science in Python
Related Education Paths
Related Books
Description
Влияет ли знание методов анализа данных на уровень заработной платы? Работает ли система оценки кредитоспособности клиентов банка? Действительно ли новый баннер лучше старого? Чтобы ответить на такие вопросы, нужно собрать данные. Данные почти всегда содержат шум, поэтому утверждения, которые можно сделать на их основе, верны не всегда, а только с определённой вероятностью. Строить наиболее корректные выводы и численно оценивать степень уверенности в них помогают методы статистики.
Outline
- Интервалы и гипотезы
- Как прекрасны машинное обучение и анализ данных
- Как устроена специализация, и зачем ее проходить
- Выводы и рациональность
- Проблемы построения выводов
- Примеры прикладных задач
- Как устроен этот курс
- МФТИ
- Интервальные оценки с помощью квантилей
- Доверительные интервалы с помощью квантилей
- Распределения, производные от нормального
- Доверительные интервалы для среднего
- Доверительные интервалы для доли
- Доверительные интервалы для двух долей
- Доверительные интервалы на основе бутстрепа
- Проверка гипотез: начало
- Ошибки I и II рода
- Достигаемый уровень значимости
- Статистическая и практическая значимость
- Биномиальный критерий для доли
- Критерии согласия Пирсона (хи-квадрат)
- Связь между проверкой гипотез и доверительными интервалами
- Формат специализации и получение сертификата
- МФТИ
- Немного о Yandex
- Forum&Chat
- Доверительные интервалы для среднего [ipython notebook]
- Доверительные интервалы для доли [ipython notebook]
- Доверительные интервалы для двух долей [ipython notebook]
- Доверительные интервалы на основе бутстрепа [ipython notebook]
- Слайды к лекциям
- Конспект
- Биномиальный критерий для доли [ipython notebook]
- Критерии согласия Пирсона (хи-квадрат) [ipython notebook]
- Слайды к лекциям
- Конспект
- Доверительные интервалы для среднего
- Доверительные интервалы для долей
- Доверительные интервалы
- Теория проверки гипотез
- Практика проверки гипотез
- АБ-тестирование
- Что такое АБ-тестирование
- Где используется АБ-тестирование
- Метрики
- Дизайн эксперимента
- Устойчивость
- Размер выборки
- Одновыборочные критерии Стьюдента
- Двухвыборочные критерии Стьюдента, независимые выборки
- Двухвыборочные критерии Стьюдента, связанные выборки
- Нормальность выборок
- Пример: применение критериев Стьюдента
- Гипотезы о долях
- Пример: проверка гипотез о долях
- Как работают непараметрические критерии?
- Критерии знаков
- Ранговые критерии
- Перестановочные критерии
- Перестановки и бутстреп
- Пример: одновыборочные непараметрические критерии
- Пример: двухвыборочные непараметрические критерии (связанные выборки)
- Пример: двухвыборочные непараметрические критерии (независимые выборки)
- Конспект
- Применение критериев Стьюдента [ipython notebook]
- Проверка гипотез о долях [ipython notebook]
- Слайды к лекциям
- Конспект
- Одновыборочные непараметрические критерии [ipython notebook]
- Двухвыборочные непараметрические критерии (связанные выборки) [ipython notebook]
- Двухвыборочные непараметрические критерии (независимые выборки) [ipython notebook]
- Слайды к лекциям
- Конспект
- Планирование эксперимента
- Критерии Стьюдента
- Параметрические критерии
- Непараметрические критерии
- Закономерности и зависимости
- Взаимное влияние в продажах товаров
- Внешние факторы, влияющие на продажи
- Корреляция Пирсона
- Корреляция Спирмена
- Корреляция Мэтьюса и коэффициент Крамера
- Пример: поиск взаимосвязей с помощью корреляции
- Значимость корреляции
- Булщит и консервативность
- Корреляция и причинно-следственная связь
- В чем проблема?
- Постановка
- FWER. Поправка Бонферрони
- FWER. Метод Холма
- FDR. Метод Бенджамини-Хохберга
- Пример: поправки на множественную проверку при корреляционном анализе
- Анализ подгрупп
- Взаимосвязь нескольких признаков
- Свойства решения задачи
- Интервалы и гипотезы
- Проверка предположений
- Регрессия и причинно-следственные связи
- Пример: оценка зависимости с помощью регрессии
- Конспект
- Поиск взаимосвязей с помощью корреляции [ipython notebook]
- Слайды к лекциям
- Конспект
- Поправки на множественную проверку при корреляционном анализе [ipython notebook]
- Слайды к лекциям
- Конспект
- Оценка зависимости с помощью регрессии [ipython notebook]
- Слайды к лекциям
- Конспект
- Q&A
- Коэффициенты корреляции
- Корреляционный анализ
- Поправки на множественную проверку
- Множественная проверка гипотез
- Теория построения регрессии
- Практика построения регрессии
- Неделя задач
- Список литературы
- Финальные титры
- Стань ментором специализации
- Неделя задач: Lesson Choices
- Интервью с Дмитрием Виноградовым
- Интервью с Алексеем Шатерниковым про скоринг
- Интервью с Еленой Кунаковой
- Интервью с Алексеем Шатерниковым про отток
- Анализ результатов АБ-теста
- Анализ эффективности удержания
Summary of User Reviews
Discover the world of data analysis with this comprehensive course on statistics. Students rave about the engaging lectures and hands-on exercises, which help them build a solid foundation in statistical concepts. One key aspect that many users appreciate is the practical focus of the course, which helps them apply their newfound knowledge to real-world problems.Pros from User Reviews
- Engaging lectures that make complex concepts easy to understand
- Hands-on exercises that help students apply what they've learned
- Comprehensive coverage of statistical concepts
- Practical focus that helps students apply their knowledge to real-world problems
- Excellent instructor who is knowledgeable and responsive to student needs
Cons from User Reviews
- Some users feel that the pace of the course is too slow
- A few users have reported technical issues with the platform
- Some users have found the course to be too basic for their needs
- A few users have reported that the course lacks depth in certain areas
- Some users have found the course to be too theoretical
Evgeniy Riabenko
4.7 Raiting
Построение выводов по данным
- 4.7
-
![]()
![]()
![]()
![]()
![]()
Влияет ли знание методов анализа данных на уровень заработной платы? Работает ли система оценки кредитоспособности клиентов банка? Действительно ли новый баннер лучше старого?...
