Course Outline

Τι μπορούν να προσφέρουν οι στατιστικές στους υπεύθυνους λήψης αποφάσεων

    Περιγραφικά Statistics Βασικά στατιστικά στοιχεία - ποια από τα στατιστικά στοιχεία (π.χ. διάμεσος, μέσος όρος, εκατοστιαία ποσοστά κ.λπ.) σχετίζονται περισσότερο με διαφορετικές κατανομές Γραφήματα - σημασία της σωστής λήψης (π.χ. πώς ο τρόπος δημιουργίας του γραφήματος αντικατοπτρίζει την απόφαση) Μεταβλητή τύποι - ποιες μεταβλητές αντιμετωπίζονται πιο εύκολα με το Ceteris paribus, τα πράγματα είναι πάντα σε κίνηση Τρίτο πρόβλημα μεταβλητής - πώς να βρείτε τον πραγματικό παράγοντα επιρροής
Συμπερασματική 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 όχι να την απαλλαγείτε
  • Κατανόηση του επιπέδου εμπιστοσύνης
  • Στατιστική σκέψη
  • Λήψη αποφάσεων με περιορισμένες πληροφορίες πώς να ελέγξετε πόσες πληροφορίες επαρκούν, ιεράρχηση στόχων με βάση την πιθανότητα και την πιθανή απόδοση (αναλογία οφέλους/κόστους, δέντρα αποφάσεων)

      Πώς τα σφάλματα προσθέτουν το φαινόμενο της 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 ARIMA
  • 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
  • Ισχύς Πώς να προσδιορίσετε ένα καλό (και φθηνό) μέγεθος δείγματος
  • Ψεύτικα θετικά και ψευδώς αρνητικά 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).

     7 Hours

    Number of participants



    Price per participant

    Testimonials (8)

    Related Courses

    Introduction to Data Visualization with Tidyverse and R

    7 Hours

    Introduction to R

    21 Hours

    Related Categories