Course Outline
Επιστημονική Μέθοδος, Πιθανότητες & Statistics
- Πολύ σύντομη ιστορία των στατιστικών Γιατί μπορεί να είναι «σίγουρη» για τα συμπεράσματα Πιθανότητες και λήψη αποφάσεων
Προετοιμασία για έρευνα (απόφαση «τι» και «πώς»)
- Η μεγάλη εικόνα: η έρευνα είναι μέρος μιας διαδικασίας με εισροές και εκροές Συλλογή δεδομένων Ερωτήσεις και μέτρηση Τι πρέπει να μετρηθεί Παρατηρητικές μελέτες Σχεδιασμός πειραμάτων Ανάλυση δεδομένων και γραφικές μέθοδοι Ερευνητικές δεξιότητες και τεχνικές Έρευνα Management
Περιγραφή Διμεταβλητών Δεδομένων
- Εισαγωγή στις Διμεταβλητές Τιμές Δεδομένων της Συσχέτισης Pearson Μαντεύοντας συσχετίσεις Προσομοίωση Ιδιότητες του Pearson's r Υπολογισμός του Pearson's r Περιορισμός εύρους Επίδειξη Διακύμανσης Αθροίσματος Ασκήσεις II Ασκήσεις
Πιθανότητα
- Εισαγωγή Βασικές έννοιες Υπό όρους Πιθανότητα Επίδειξη Τζογαδόροι Πλάθος Προσομοίωση Γενεθλίων Επίδειξη Διωνυμική Κατανομή Διωνυμική Επίδειξη Βασικά ποσοστά Θεώρημα Bayes Επίδειξη Πρόβλημα Monty Hall Ασκήσεις επίδειξης
Κανονικές Διανομές
- Εισαγωγή Ιστορικό Περιοχές κανονικών κατανομών Ποικιλίες επίδειξης κανονικής κατανομής Τυπικές ασκήσεις επίδειξης κανονικής κανονικής προσέγγισης στη διωνυμική κανονική προσέγγιση
Διανομές Δειγματοληψίας
- Εισαγωγή Βασικό επίδειξη Μέγεθος δείγματος Επίδειξη Κεντρικό Όριο Θεώρημα Επίδειξης Δειγματοληψία Κατανομή της μέσης δειγματοληψίας Κατανομή διαφοράς μεταξύ μέσων Δειγματοληψία Κατανομή του Pearson's r Δειγματοληψία Κατανομή αναλογίας Ασκήσεις
Εκτίμηση
- Εισαγωγή Βαθμοί ελευθερίας Χαρακτηριστικά εκτιμητών Μεροληψία και μεταβλητότητα Προσομοίωση Διαστήματα εμπιστοσύνης Ασκήσεις
Λογική του Έλεγχου Υποθέσεων
- Εισαγωγή Δοκιμή σημαντικότητας Τύπου Ι και Τύπου ΙΙ Σφάλματα Δοκιμές μίας και δύο ουρών Ερμηνεία σημαντικών αποτελεσμάτων Ερμηνεία μη σημαντικών αποτελεσμάτων Βήματα στον έλεγχο υποθέσεων Έλεγχος σημασίας και διαστήματα εμπιστοσύνης Ασκήσεις παρανοήσεων
Δοκιμαστικά Μέσα
- Μονή μέση t Διαφορά επίδειξης κατανομής μεταξύ δύο μέσων (ανεξάρτητες ομάδες) Προσομοίωση ευρωστίας Όλες οι συγκρίσεις κατά ζεύγη μεταξύ των μέσων Ειδικές συγκρίσεις Διαφορά μεταξύ δύο μέσων (συσχετισμένα ζεύγη) Συσχετισμένες t Ειδικές συγκρίσεις προσομοίωσης (συσχετισμένες παρατηρήσεις) Παρατηρήσεις κατά ζεύγη
Εξουσία
- Εισαγωγή Παράδειγμα Υπολογισμοί Παράγοντες που επηρεάζουν τις ασκήσεις ισχύος
Προφητεία
- Εισαγωγή στην απλή γραμμική παλινδρόμηση Γραμμική προσαρμογή επίδειξης Διαμέριση αθροίσματα τετραγώνων Τυπικό σφάλμα της εκτίμησης Επίδειξη γραμμής πρόβλεψης Συμπερασματικό Statistics για ασκήσεις b και r
ANOVA
- Εισαγωγή ANOVA Designs One-Factor ANOVA (Between-Subjects) Μονόδρομη επίδειξη πολλαπλών παραγόντων ANOVA (Between-Subjects) Δοκιμές άνισων μεγεθών δειγμάτων Συμπλήρωμα ANOVA εντός θεμάτων ANOVA Power of In-Subjects Designs Demo Exercises
Πλατεία Τσι
- Τετράγωνο Τσι Διανομή Πίνακες μονής κατεύθυνσης Δοκιμές Κατανομές Επίδειξη Πίνακες έκτακτης ανάγκης 2 x 2 Ασκήσεις προσομοίωσης πίνακα
Οι περιπτωσιολογικές μελέτες
Ανάλυση επιλεγμένων περιπτώσεων
Requirements
Απαιτείται πλήρης κατανόηση των περιγραφικών στατιστικών (μέσος όρος, μέσος όρος, τυπική απόκλιση, διακύμανση) και βασική κατανόηση των πιθανοτήτων.
Μπορεί να θέλετε να συμμετάσχετε στο σεμινάριο προετοιμασίας: Statistics Επίπεδο 1
Testimonials (8)
The pace was just right and the relaxed atmosphere made candidates feel at ease to ask questions.
Rhian Hughes - Public Health Wales NHS Trust
Course - Introduction to Data Visualization with Tidyverse and R
We were using road accident data for practicals
Maphahamiso Ralienyane - Road Safety Department
Course - Statistical Analysis using SPSS
Καλά μελετημένα και υψηλής ποιότητας υλικά σχεδιασμού.
Andrew - Office of Projects Victoria - Department of Treasury & Finance
Course - Forecasting with R
Machine Translated
Δεν ήταν βαρετό, ο εκπαιδευτής μπορούσε να κρατήσει την προσοχή, τα θέματα καλύφθηκαν σε βάθος.
Marta - Ministerstwo Zdrowia
Course - Advanced R Programming
Machine Translated
very tailored to needs
Yashan Wang
Course - Data Mining with R
The subject matter and the pace were perfect.
Tim - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Course - Programming with Big Data in R
At the end of the class, we had a great overview of the language, we were provided tools to continue learning and were provided suggestions on how to continue learning. We covered AI/ML information.
Victor Prado - Global Knowledge Network Training Ltd
Course - R
That Haytham started with the basics and gave us enough time to do the examples and ensure that we were at the same page before we moved on to the next topic.