План на курса

Какво статистиката може да предложи на вземащите решения

    Описателна Statistics Основна статистика – коя от статистиките (напр. медиана, средна стойност, процентили и т.н...) е по-подходяща за различни разпределения Графики – значение на правилното получаване (напр. как начинът, по който е създадена графиката отразява решението) Променлива типове – с кои променливи се справяте по-лесно При равни други условия, нещата винаги са в движение Трети проблем с променливите – как да намерите истинския влиятел
Инференциална Statistics Стойност на вероятността - какво е значението на P-стойността
  • Повторен експеримент - как да интерпретираме резултатите от повторен експеримент
  • Събиране на данни - можете да минимизирате пристрастията, но не и да се отървете от тях
  • Разбиране на нивото на увереност
  • Статистическо мислене
  • Вземане на решения с ограничена информация как да проверите колко информация е достатъчна приоритизиране на целите въз основа на вероятност и потенциална възвръщаемост (съотношение полза/разходи, дървета на решенията)

      Как грешките добавят ефекта на пеперудата
    Черни лебеди
  • Какво е котката на Шрьодингер и какво е ябълката на Нютон в бизнеса
  • Проблем с Касандра - как да измерим прогноза, ако курсът на действие се е променил Google Грипни тенденции - как се обърка
  • Как решенията правят прогнозата остаряла
  • Forecasting - методи и практичност ARIMA
  • Защо наивните прогнози обикновено са по-отзивчиви
  • Докъде една прогноза трябва да гледа в миналото?
  • Защо повече данни могат да означават по-лоша прогноза?
  • Статистически методи, полезни за вземащите решения
  • Описание на двумерни данни Едномерни данни и двумерни данни
  • Вероятност защо нещата се различават всеки път, когато ги измерваме?
  • Нормални разпределения и нормално разпределени грешки
  • Оценка Независими източници на информация и степени на свобода

      Логика на тестване на хипотези Какво може да се докаже и защо винаги е обратното на това, което искаме (фалшификация)
    Тълкуване на резултатите от тестването на хипотези
  • Тестване Средства
  • Мощност Как да определите добър (и евтин) размер на извадката
  • Фалшиви положителни и фалшиви отрицателни и защо това винаги е компромис
  • Изисквания

    Изискват се добри математически умения. Изисква се запознаване с основни статистики (т.е. работа с хора, които правят статистическия анализ).

     7 Hours

    Брой участници



    Цена за участник

    Oтзиви от потребители (5)

    Свързани Kурсове

    Introduction to Data Visualization with Tidyverse and R

    7 Hours

    Econometrics: Eviews and Risk Simulator

    21 Hours

    HR Analytics for Public Organisations

    14 Hours

    Statistical Analysis using SPSS

    21 Hours

    Talent Acquisition Analytics

    14 Hours

    Advanced R

    7 Hours

    Algorithmic Trading with Python and R

    14 Hours

    Anomaly Detection with Python and R

    14 Hours

    Programming with Big Data in R

    21 Hours

    R Fundamentals

    21 Hours

    Cluster Analysis with R and SAS

    14 Hours

    Data and Analytics - from the ground up

    42 Hours

    Data Analytics With R

    21 Hours

    Data Mining with R

    14 Hours

    Deep Learning for Finance (with R)

    28 Hours

    Свързани Kатегории