12 бесплатных материалов по статистике – разберется каждый

Многие из ошибок, совершаемые аналитиками, да и не только аналитиками, но и продактами, предпринимателями, маркетологами вызваны непониманием концепций статистики, что приводит к запуску неправильного теста или неправильной интерпретации результатов.

Поэтому тут подборка материалов, которые помогут разобраться (бесплатно все, кроме книг – их возможно придется приобрести).

“Статистика для чайников” (Рамси) и “Статистика и котики” (Савельев) – очень простые книги, которые подойдут каждому. В “Статистика и котики” все объсняется на котах, а “Статистика для чайников” много интересных примеров из жизни.

Statistics

Университет: Udacity — это сайт, появившийся в результате эксперимента Стэнфордского университета с лекциями, выложенными в открытый доступ. Преподаватели и профессора из разных учебных заведений создают свои курсы и распространяют их с помощью данного ресурса.

Лекторы: Шон Ларвэй, Рональд Роджерс, Кэти Корманик (помощник). Шон Ларвэй — доктор наук, изучал поведенческий анализ, потом занялся психофармакологией. Преподает статистику уже более 15 лет. Рональд Роджерс — профессор психологии в Университете штата в Сан-Хосе, изучал поведенческую неврологию, создал свои курсы по статистике и исследовательским методам для разных уровней обучения. Кэти Корманик — составитель учебных планов и консультант по образованию. Имеет степень магистра наук в области международного обучения.

Краткое описание: курс должен научить простым и действенным методам описания и понимания информации, чтобы студенты могли более точно принимать решения. Он включает в себя применение статистики в повседневной жизни, сбор данных через наблюдение и эксперименты, организация и описание данных, статистические выводы с помощью оценок и проверок гипотез, корреляция и простая регрессия и многое другое.

Содержание:

  • статистические исследовательские методы, частотные распределения и визуализация данных;
  • среднее значение, изменчивость;
  • вероятности и нормальное распределение, выборочное распределение;
  • оценка, проверка статистических гипотез;
  • t-критерии, дисперсионный анализ;
  • корреляция, регрессия, критерий хи-квадрата.

Предполагаемые исходные знания: базовое понимание пропорций (доли, проценты, десятые части), отрицательных чисел, основ алгебры.

Срок обучения: зависит от скорости вашего обучения.

Сертификат: доступен после получения первого уровня знаний по курсу.

Введение в статистику от Stanford University – основные концепции статистики от одного из лучших университетов мира.

Статистика для экспериментов от Harvard University – статистика для проведения экспериментов от одного из лучших университетов мира. Правда, в курсе используется язык R.

Вероятность и статистика в науке о данных с использованием Python от SanDiego University – теория вероятности и статистика с примесью Python.

Статистическое мышление для Data Scientist и аналитиков данных от Columbia University – применение аналитического мышления в различных областях науки о данных.

Основы статистики на Stepik: 1 часть2 часть3 часть. Его очень часто рекомендуют, видимо потому что это чуть ли не единственный курс по статистике на русском. Но мне он кажется не совсем удачным.

Mathematical Biostatistics Boot Camp

Платформа: Coursera

Университетуниверситет Джона Хопкинса — частный исследовательский университет, названный по имени своего основателя; основан в 1876 г. Широко занимается научной деятельностью — в разное время там работало более тридцати лауреатов Нобелевской премии. Является организатором международных Гордоновских конференций.

Лектор: Брайан Каффо — доцент кафедры биометрии на факультете здравоохранения. Он работает в области вычислительной статистики и нейроинформатики. За свои исследования получил президентскую награду PECASE.

Краткое описание: биометрия — это статистика, примененная к биомедицинским исследованиям. Данный курс должен помочь студентам глубже понять этот раздел науки. После его завершения слушатели будут знать на базовом уровне цели, предпосылки, плюсы и минус вероятностных моделей в медицине. Такой подход даст им в руки инструмент для дальнейшего самообучения. Курс включает в себя изучение теории вероятности, случайных переменных, распределений, математических ожиданий, доверительных интервалов и многого другого.

Содержание:

  • Математическая биометрия, вероятностные выборки и их свойства;
  • статистическая вероятность;
  • доверительные интервалы;
  • графический и прикладной анализ данных, использование диаграмм рассеивания, ящичковых диаграмм и отображения многовариантных данных.

Предполагаемые исходные знания: необходимо разбираться в математическом анализе, теории множеств и иметь достаточный уровень математической грамотности. Полезно также обладать некоторыми навыками программирования.

Срок обучения: 7 недель.

Источник

+1
1
+1
0
+1
0
+1
0
+1
0

Ответить

Ваш адрес email не будет опубликован. Обязательные поля помечены *