Course Outline
Τι μπορούν να προσφέρουν οι στατιστικές στους υπεύθυνους λήψης αποφάσεων
- Περιγραφικό Statistics
- Βασικά στατιστικά στοιχεία - ποια από τα στατιστικά στοιχεία (π.χ. διάμεσος, μέσος όρος, εκατοστημόρια κ.λπ.) σχετίζονται περισσότερο με διαφορετικές κατανομές
- Γραφήματα - σημασία του να γίνει σωστά (π.χ. πώς ο τρόπος που δημιουργείται το γράφημα αντικατοπτρίζει την απόφαση)
- Τύποι μεταβλητών - ποιες μεταβλητές αντιμετωπίζονται πιο εύκολα
- Ceteris paribus, τα πράγματα είναι πάντα σε κίνηση
- Πρόβλημα τρίτης μεταβλητής - πώς να βρείτε τον πραγματικό παράγοντα επιρροής
- Συμπερασματικά Statistics
- Τιμή πιθανότητας - ποια είναι η έννοια της τιμής P
- Επαναλαμβανόμενο πείραμα - πώς να ερμηνεύσετε τα επαναλαμβανόμενα αποτελέσματα πειράματος
- Συλλογή δεδομένων - μπορείτε να ελαχιστοποιήσετε την προκατάληψη, αλλά να μην την απαλλαγείτε
- Κατανόηση του επιπέδου εμπιστοσύνης
Στατιστική σκέψη
- Λήψη αποφάσεων με περιορισμένες πληροφορίες
- πώς να ελέγξετε πόσες πληροφορίες είναι αρκετές
- ιεράρχηση στόχων με βάση την πιθανότητα και την πιθανή απόδοση (αναλογία οφέλους/κόστους, δέντρα αποφάσεων)
- Πώς αθροίζονται τα σφάλματα
- Εφέ πεταλούδας
- Μαύροι κύκνοι
- Τι είναι η γάτα του Σρέντινγκερ και τι η Apple της Νεύτωνας στην επιχείρηση
- Cassandra Πρόβλημα - πώς να μετρήσετε μια πρόβλεψη εάν η πορεία δράσης έχει αλλάξει
- Google Τάσεις γρίπης - πώς πήγε στραβά
- Πώς οι αποφάσεις κάνουν τις προβλέψεις ξεπερασμένες
- Forecasting - μέθοδοι και πρακτικότητα
- ΑΡΗΜΑ
- Γιατί οι αφελείς προβλέψεις συνήθως ανταποκρίνονται περισσότερο
- Πόσο μακριά πρέπει να κοιτάξει μια πρόβλεψη στο παρελθόν;
- Γιατί περισσότερα δεδομένα μπορεί να σημαίνουν χειρότερη πρόβλεψη;
Στατιστικές μέθοδοι χρήσιμες για τους υπεύθυνους λήψης αποφάσεων
- Περιγραφή Διμεταβλητών Δεδομένων
- Μονομεταβλητά δεδομένα και διμεταβλητά δεδομένα
- Πιθανότητα
- γιατί τα πράγματα διαφέρουν κάθε φορά που τα μετράμε;
- Κανονικές κατανομές και κανονικά κατανεμημένα σφάλματα
- Εκτίμηση
- Ανεξάρτητες πηγές πληροφόρησης και βαθμοί ελευθερίας
- Λογική του Έλεγχου Υποθέσεων
- Τι μπορεί να αποδειχθεί, και γιατί είναι πάντα το αντίθετο από αυτό που θέλουμε (Παράβλεψη)
- Ερμηνεία των αποτελεσμάτων του Έλεγχου Υποθέσεων
- Δοκιμαστικά Μέσα
- Εξουσία
- Πώς να προσδιορίσετε ένα καλό (και φθηνό) μέγεθος δείγματος
- Λάθος θετικό και ψευδώς αρνητικό και γιατί είναι πάντα μια ανταλλαγή
Requirements
Απαιτούνται καλές δεξιότητες στα μαθηματικά. Απαιτείται έκθεση σε βασικές στατιστικές (δηλαδή συνεργασία με άτομα που κάνουν τη στατιστική ανάλυση).
Testimonials (5)
Η παραλλαγή με άσκηση και επίδειξη.
Ida Sjoberg - Swedish National Debt Office
Course - Econometrics: Eviews and Risk Simulator
Machine Translated
the trainer had patience, and was eager to make sure we all understood the topics, the classes were fun to attend
Mamonyane Taoana - Road Safety Department
Course - Statistical Analysis using SPSS
Day 1 and Day 2 were really straight forward for me and really enjoyed that experience.
Mareca Sithole - Africa Health Research Institute
Course - R Fundamentals
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
Michael the trainer is very knowledgeable and skillful about the subject of Big Data and R. He is very flexible and quickly customize the training meeting clients' need. He is also very capable to solve technical and subject matter problems on the go. Fantastic and professional training!.