План на курса
Статистика и вероятностно програмиране в Julia
Основна статистика
-
Статистика
- Обобщаваща статистика с пакетът statistics
-
Разпределения и пакет StatsBase
- Едномерни и многомерни разпределения
- Моменти
- Функции на вероятност
- Извличане и генериране на случайни числа (RNG)
- Гистограми
- Максимална правдоподобност
- Производ, обрязване и цензурирано разпределение
- Робастни статистики
- Корелация и ковариация
Таблици на данни (DataFrames)
(Пакет DataFrames)
- Вход и изход на данни
- Създаване на таблици на данни
- Типове данни, включително категорични и лipseщи данни
- Сортиране и спайване на данни
- Преобразуване и транспониране на данни
Тестове за хипотези
(Пакет HypothesisTests)
- Основни принципи на тестовете за хипотези
- Хи-квадрат тест
- z-тест и t-тест
- F-тест
- Тест на Фишер
- ANOVA
- Тестове за нормалност
- Колмогоров-Смирнов тест
- Тест на Хотелинг T2
Регресия и анализа на надеждността
(Пакети GLM и Survival)
- Основни принципи на линейната регресия и експоненциалните семейства
- Линейна регресия
-
Обобщени линейни модели
- Логистична регресия
- Пуассонова регресия
- Гама регресия
- Други модели на GLM
-
Анализ на надеждността
- Събития
- Каплан-Майер
- Нелсон-Аален
- Cox пропорционални рискове
Разстояния
(Пакет Distances)
- Какво е разстояние?
- Евклидово
- Манхетнско (Cityblock)
- Косинусно
- Корелационно
- Махаланобис
- Хаминг
- MAD (Mean Absolute Deviation)
- RMS (Root Mean Square)
- Средноквадратично отклонение
Многомерна статистика
(Пакети MultivariateStats, Lasso и Loess)
- Ридж регресия
- Лассо регресия
- Лойс (Loess)
- Линейна дискриминантна анализа
-
Компонентен анализ (PCA)
- Линейно PCA
- Ядрено PCA
- Вероятностно PCA
- Независима компонентна анализа (ICA)
- Регресия със главни компоненти (PCR)
- Факторен анализ
- Канонична корелационна анализа
- Многомерно маскиране
Класификация
(Пакет Clustering)
- K-средни
- K-медиоиди
- DBSCAN
- Иерархична класификация
- Марковски алгоритъм за кластериране
- Нечетки C-средни
Байесова статистика и вероятностно програмиране
(Пакет Turing)
- Марковски ланцови метод на Монте Карло (MCMC)
- Хамилтонов метод на Монте Карло
- Гаусови миксиране модели
- Байесова линейна регресия
- Байесова експоненциална семейства регресия
- Байесови невронни мрежи
- Скрити марковски модели (HMM)
- Частици на филтриране
-
Вариационна инференция
Изисквания
Този курс е предназначен за хора, които вече имат фундаментални познания в областта на данническите науки и статистиката.
Отзиви от потребители (5)
Вариацията с упражнения и демонстриране.
Ida Sjoberg - Swedish National Debt Office
Курс - Econometrics: Eviews and Risk Simulator
Машинен превод
беше информативно и полезно
Brenton - Lotterywest
Курс - Building Web Applications in R with Shiny
Машинен превод
Много примери и упражнения, свързани с темата на обучението.
Tomasz - Ministerstwo Zdrowia
Курс - Advanced R Programming
Машинен превод
тренерът беше търпелив и беше насърчен да се увери, че всички разбираме темите, уроците бяха забавно за посещение
Mamonyane Taoana - Road Safety Department
Курс - Statistical Analysis using SPSS
Машинен превод
Денят 1 и Денят 2 бяха много лесни за мен и наистина се забавях по време на това изживяване.
Mareca Sithole - Africa Health Research Institute
Курс - R Fundamentals
Машинен превод