|
Курс | Статистика
О курсе
Основы статистики для анализа данных
Большой теоретический курс по статистике. Здесь темы выстраиваются в единую систему: от среднего, медианы, дисперсии и формы распределения до выборочной неопределенности, доверительных интервалов, A/B-тестирования, p-значения, ANOVA, хи-квадрат, мощности и размера выборки.
|
Главная идея курса
Статистика здесь рассматривается не как набор формул, которые нужно запомнить. Главная задача курса - понять, что измеряет каждый показатель, зачем он нужен, откуда появляется формула, как связаны разные темы и какой вывод действительно можно сделать по полученному результату.
Мы постепенно переходим от описания наблюдаемых данных к выборочной неопределенности, вероятностным моделям и статистическому выводу.
|
Курс в цифрах
|
Объем курса
|
Итоговая проверка
|
|
643
задания
347
визуализаций
8
модулей
|
45
заданий итогового экзамена
Итоговый экзамен разделен на три части:
- разведочный анализ данных
- выборки, неопределенность и распределения
- эксперименты и статистический вывод
|
|
Для кого этот курс
- Для тех, кто хочет понять статистику с нуля и выстроить темы в единую систему
- Для тех, кто изучает анализ данных, Data Science или машинное обучение и хочет разобраться в статистической основе этих направлений
- Для тех, кто уже встречал среднее, дисперсию, доверительные интервалы или p-значение, но пока воспринимает их как отдельные темы
- Для тех, кому важно понимать не только как выполнить расчет, но и зачем используется конкретный статистический метод
|
Что вы изучите
|
Описание данных
|
Среднее, медиана, устойчивые оценки, дисперсия, стандартное отклонение, процентили, межквартильный размах, коробчатые диаграммы, гистограммы и плотность.
|
|
Связь переменных
|
Категориальные данные, корреляция, диаграммы рассеяния, двумерная плотность, шестиугольные диаграммы и многомерные представления.
|
|
Выборки и неопределенность
|
Популяция и выборка, случайный отбор, смещение, регрессия к среднему, выборочное распределение, центральная предельная теорема, стандартная ошибка, бутстрап и доверительные интервалы.
|
|
Распределения
|
Нормальное и t-распределение, z-оценки, QQ-график, испытания Бернулли, биномиальное распределение, распределение Пуассона, экспоненциальное распределение и распределение Вейбулла.
|
|
Статистический вывод
|
A/B-тестирование, нулевая и альтернативная гипотезы, перестановочный тест, p-значение, ошибки I и II рода, t-статистика, множественное тестирование и степени свободы.
|
|
Сравнение и планирование
|
ANOVA, F-статистика, проверка хи-квадрат, многорукий бандит, мощность, размер эффекта и планирование размера выборки.
|
|
Программа курса
|
Модуль
|
Что внутри
|
|
1. Ознакомительная информация
|
Знакомство с курсом, его логикой и правилами прохождения.
|
|
2. Разведочный анализ данных
|
Типы данных, меры центра и разброса, процентили, графики распределений, категориальные данные, корреляция и многомерные представления.
|
|
3. Экзамен по модулю 1
|
Две части с заданиями по разведочному анализу данных.
|
|
4. Распределения данных и выборок
|
Выборочная неопределенность, ЦПТ, стандартная ошибка, бутстрап, доверительные интервалы и основные распределения.
|
|
5. Экзамен по модулю 2
|
Две части по выборкам, неопределенности и распределениям.
|
|
6. Статистические эксперименты
|
A/B-тесты, гипотезы, перестановки, p-значение, t-статистика, множественное тестирование, ANOVA, хи-квадрат, многорукий бандит, мощность и размер выборки.
|
|
7. Итоговый экзамен
|
Три части по всему курсу и 45 итоговых заданий.
|
|
8. Итог
|
Обобщение материала и опрос по курсу.
|
|
Формат обучения
Теория. Темы вводятся постепенно: от вопроса и интуиции к определениям, формулам и статистическому смыслу.
Разборы. Сложные идеи сопровождаются последовательными примерами и ручными вычислениями.
Визуализации. В курсе 347 визуализаций, которые помогают понимать распределения, связи между переменными, нулевые модели и другие статистические конструкции.
Задания. В курсе 633 задания на определения, расчеты, чтение графиков и интерпретацию результатов.
Экзамены. После крупных блоков есть промежуточные экзамены, а в конце курса расположен итоговый экзамен из 45 заданий.
|
Нужен ли Python
Нет. Этот курс посвящен прежде всего статистическим идеям и их пониманию.
Основные вычисления рассчитаны на ручное решение или обычный калькулятор. Иногда в теории встречаются небольшие фрагменты кода для построения графиков, но программирование не является необходимым условием прохождения курса.
Работа со статистикой через Python и библиотеки анализа данных будет отдельным следующим этапом.
|
Главное
После курса среднее, стандартная ошибка, доверительный интервал, p-значение, t-статистика, ANOVA и хи-квадрат не должны выглядеть как отдельные несвязанные формулы.
Главная цель курса - увидеть общую статистическую логику: что мы измеряем, откуда появляется неопределенность, какую роль играет случайность и какой вывод действительно поддерживают данные.
|
|
1 079