Schița de curs

Ce le poate oferi statisticile factorilor de decizie

    Descriptive Statistics Statistici de bază - care dintre statistici (de exemplu, mediană, medie, percentile etc...) sunt mai relevante pentru diferite distribuții Grafice - semnificația corectării (de exemplu modul în care este creat graficul reflectă decizia) Variabilă tipuri - ce variabile sunt mai ușor de tratat cu Ceteris paribus, lucrurile sunt mereu în mișcare Problema a treia variabilă - cum să găsiți influențatorul real
Inferenţială Statistics Valoarea probabilităţii - care este semnificaţia valorii P
  • Experiment repetat - cum se interpretează rezultatele experimentului repetat
  • Colectarea datelor - puteți minimiza părtinirea, dar nu scăpați de ea
  • Înțelegerea nivelului de încredere
  • Gândirea statistică
  • Luarea deciziilor cu informații limitate cum se verifică cât de multă informație este suficientă prioritizarea obiectivelor pe baza probabilității și a rentabilității potențiale (raportul beneficiu/cost, arbori de decizie)

      Cum se adună erorile efectul Fluture
    Lebedele negre
  • Ce este pisica lui Schrödinger și ce este mărul lui Newton în afaceri
  • Problema Cassandra - cum se măsoară o prognoză dacă cursul acțiunii s-a schimbat Google Tendințe gripei - cum a mers prost
  • Modul în care deciziile fac prognoza este învechit
  • Forecasting - metode și caracter practic ARIMA
  • De ce previziunile naive sunt de obicei mai receptive
  • Cât de departe ar trebui să privească o prognoză în trecut?
  • De ce mai multe date pot însemna previziuni mai proaste?
  • Metode statistice utile pentru factorii de decizie
  • Descrierea datelor bivariate Date univariate și date bivariate
  • Probabilitatea de ce lucrurile diferă de fiecare dată când le măsurăm?
  • Distribuții normale și erori distribuite normal
  • Estimare Surse independente de informaţie şi grade de libertate

      Logica testării ipotezelor Ce se poate dovedi și de ce este întotdeauna opusul a ceea ce ne dorim (falsificare)
    Interpretarea rezultatelor testării ipotezelor
  • Mijloace de testare
  • Putere Cum să determinați o dimensiune bună (și ieftină) a eșantionului
  • Fals pozitiv și fals negativ și de ce este întotdeauna un compromis
  • Cerințe

    Sunt necesare bune cunoștințe de matematică. Este necesară o expunere la statisticile de bază (de exemplu, lucrul cu persoanele care efectuează analiza statistică).

     7 ore

    Mărturii (4)

    Cursuri înrudite

    Introduction to Data Visualization with Tidyverse and R

    7 ore

    Econometrics: Eviews and Risk Simulator

    21 ore

    HR Analytics for Public Organisations

    14 ore

    Statistical Analysis using SPSS

    21 ore

    Talent Acquisition Analytics

    14 ore

    Advanced R

    7 ore

    Algorithmic Trading with Python and R

    14 ore

    Anomaly Detection with Python and R

    14 ore

    Programming with Big Data in R

    21 ore

    R Fundamentals

    21 ore

    Cluster Analysis with R and SAS

    14 ore

    Data and Analytics - from the ground up

    42 ore

    Data Analytics With R

    21 ore

    Data Mining with R

    14 ore

    Deep Learning for Finance (with R)

    28 ore

    Categorii înrudite

    1