Course Outline

Τι προσφέρουν οι στατιστικές στους λήπτες αποφάσεων Make

  • Περιγραμματικές Statistics
    • Βασικές στατιστικές - ποιες από τις στατιστικές (π.χ., μέση, διάμεσο, εκατοσταίες κλπ...) είναι πιο συνδεδεμένες με διάφορες κατανομές
    • Γραφικά - τη σημασία να τα έχουμε σωστά (π.χ., πώς η τρόπος δημιουργίας του γραφήματος αντικατοπτρίζει την απόφαση)
    • Τύποι μεταβλητών - ποιες μεταβλητές είναι εύκολο να διαχειριστούμε
    • Τα πάντα είναι σε κίνηση (ceteris paribus)
    • Πρόβλημα τρίτου μηκέτι - πώς να βρούμε τον πραγματικό επηρεαστή
  • Συμπεραστικές Statistics
    • Αξία πιθανότητας - τι σημαίνει P-value
    • Επαναληφθέν ανάλυση - πώς να ερμηνεύσουμε τα αποτελέσματα μιας επαναληφθέν ανάλυσης
    • Συλλογή δεδομένων - μπορείς να μειώσεις την παρεξήγηση, αλλά όχι να την εξαλείψεις
    • Συνέχεια κατανόησης του ποδαρικού επίπεδου

Στατιστική Διάνοια

  • Λήψη αποφάσεων με περιορισμένες πληροφορίες
    • πώς να ελέγξετε πόσες πληροφορίες είναι αρκετές
    • το όριο στόχων με βάση την πιθανότητα και την δυνατή οφέλιμη απόδοση (βιασμός/cost ratio, δέντρα αποφάσεων)
  • Πώς τα λάθη συγκεντρώνονται
    • Εξέλιξη Butterfly
    • Σουηδική μέλαινη πεταλιά (Black swan)
    • Τι είναι το κατσάρο Schrödinger και το μήλο του Newton στη διείσδυση
  • Cassandra Πρόβλημα - πώς να μετρήσετε μια πρόβλεψη εάν ο δρόμος της ενέργειας έχει αλλάξει
    • Google Τάση για πανώρεα - πώς κάτι μπόρεσε να πάει λάθος
    • Πώς οι αποφάσεις κάνουν τις πρόβλεψεις ξεχωριστές
  • Forecasting - μέθοδοι και ρεαλισμός
    • ARIMA
    • Γιατί οι αφυπνισμένες πρόβλεψεις είναι συχνά πιο απόδοση
    • Πώς μακριά θα πρέπει να κοιτάξει μια πρόβλεψη στο παρελθόν;
    • Γιατί τα περισσότερα δεδομένα μπορεί να σημαίνουν χειρότερη πρόβλεψη;

Στατιστικές μεθόδοι χρήσιμες για λήπτες αποφάσεων Make

  • Περιγραφή δυαδικών δεδομένων
    • Διανύσματα και δυαδικά δεδομένα
  • Πιθανότητα
    • γιατί τα πράγματα διαφέρουν κάθε φορά που τα μετράμε;
  • Κανονικές κατανομές και σφάλματα
  • Εκτίμηση
    • Ανεξάρτητες πηγές πληροφοριών και βαθμούς ελευθερίας
  • Επιστημονική λογική του σχεδίου δοκιμής
    • Τι μπορεί να αποδειχθεί, και γιατί είναι πάντα το αντίθετο ό,τι θέλουμε (Falsification)
    • Διάβασμα των αποτελεσμάτων μιας δοκιμής
    • Ελέγχου συμβόλων
  • Δύναμη
    • Πώς να αποφάσισετε τη σωστή (και βαθύ) πίεση δεδομένων
    • Ψευδό-ξεχωριστό και ψευδό-υπόστηλο και γιατί είναι πάντα μια αντικατάσταση

Requirements

Απαιτούνται δεξιότητες στα μαθηματικά και εφαρμογές των βασικών στατιστικών (δηλαδή, έργο με ατόμους που διεξάγουν στατιστική ανάλυση).

 7 Hours

Number of participants


Price per participant

Testimonials (5)

Upcoming Courses

Related Categories