Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Εξέλιξη Κομματιού
Τι μπορεί να προσφέρει η στατιστική στους λαβείς αποφάσεων
-
Περιγραφική Στατιστική
- Βασικές στατιστικές - ποιες από τις στατιστικές (π.χ. μέση, μεσότητα, εκατοστημόρια κλπ.) είναι πιο σημαντικές για διάφορες κατανομές
- Γράφημα - η σημασία του να είναι σωστά (π.χ. πώς ο τρόπος δημιουργίας του γραφήματος αντανακλά την απόφαση)
- Τύποι μεταβλητών - ποιες μεταβλητές είναι ευκολότερες να αντιμετωπιστούν
- Κάθε παράμετρος σταθερός, τα πράγματα είναι πάντα σε κίνηση
- Πρόβλημα του τρίτου παραγόντα - πώς να βρεθεί ο πραγματικός επιρρέον
-
Συμπερασματική Στατιστική
- Το πιθανοφάνες τιμή - τι σημαίνει το P-value
- Επαναλαμβανόμενο πείραμα - πώς να ερμηνεύσουμε τα αποτελέσματα των επαναλαμβανόμενων πειραμάτων
- Συσσώρευση δεδομένων - μπορείτε να ελαχιστοποιήσετε το πρόκλημα, αλλά όχι να το απαλλάξετε
- Κατανόηση του επιπέδου πιστότητας
Στατιστική Σκέψη
-
Λαβή αποφάσεων με περιορισμένες πληροφορίες
- πώς να ελέγξετε πόσες πληροφορίες είναι αρκετές
- ταξινόμηση στόχων βάσει της πιθανότητας και του προσδοκώμενου οφέλους (αναλογία ωφέλεια/κόστος, δένδρα αποφάσεων)
-
Πώς προσθέτουν τα λάθη
- Εφεύρματο των χιόνιων (Butterfly effect)
- Μαύρα αλώσσες
- Τι είναι το γάτο του Schrödinger και το μήλο του Newton στην επιχείρηση
-
Πρόβλημα του Κάσσανδρα - πώς να μετρήσει κανείς μια πρόβλεψη αν ο δρόμος της ενέργειας έχει αλλάξει
- Η κλίμακα των επιδήμιων του Google - πώς απέτυχε
- Πώς οι αποφάσεις καθιστούν τις προβλέψεις απαρχαιωμένες
-
Πρόβλεψη - μέθοδοι και πρακτικότητα
- ARIMA
- Γιατί οι απλοϊκές προβλέψεις είναι συχνά πιο ανταποκριτικές
- Πόσο μακριά πρέπει να κοιτάζει η πρόβλεψη στο παρελθόν;
- Γιατί περισσότερα δεδομένα μπορεί να σημαίνουν χειρότερες προβλέψεις;
Στατιστικές μέθοδοι χρήσιμοι για λαβείς αποφάσεων
-
Περιγραφή Δυαδικών Δεδομένων
- Μονομεταβλητά δεδομένα και δυαδικά δεδομένα
-
Πιθανότητα
- γιατί τα πράγματα διαφέρουν κάθε φορά που τα μετράμε;
- Κανονικές κατανομές και κανονικά κατανεμημένα λάθη
-
Αξιοποίηση δεδομένων
- Ανεξάρτητες πηγές πληροφορίας και βαθμοί ελευθερίας
-
Λογική των Εξετάσεων Υποθέσεων
- Τι μπορεί να αποδειχτεί, και γιατί είναι πάντα το αντίθετο από ό,τι θέλουμε (Αντιστροφή)
- Ερμηνεία των αποτελεσμάτων των εξετάσεων υποθέσεων
- Έλεγχος μεσικών τιμών
-
Δύναμη
- Πώς να καθοριστεί μια καλή (και αποδοτική) δειγματοληψία
- Ψευδές θετικό και ψευδές αρνητικό και γιατί είναι πάντα μια συμβιβαστική λύση
Απαιτήσεις
Χρειάζονται καλές μαθηματικές δεξιότητες. Προσδοκείται να υπάρχει εκτεταμένη εκτίμηση των βασικών στατιστικών (δηλαδή, δουλεύοντας μαζί με ανθρώπους που κάνουν στατιστική ανάλυση).
7 Ώρες
Σχόλια (5)
Η παραλλαγή με την άσκηση και την εμφάνιση.
Ida Sjoberg - Swedish National Debt Office
Κομμάτι - Econometrics: Eviews and Risk Simulator
Μηχανική Μετάφραση
ήταν επιformeρτικό και χρήσιμο
Brenton - Lotterywest
Κομμάτι - Building Web Applications in R with Shiny
Μηχανική Μετάφραση
Πολλά παραδείγματα και άσκησες σχετικές με το θέμα της εκπαίδευσης.
Tomasz - Ministerstwo Zdrowia
Κομμάτι - Advanced R Programming
Μηχανική Μετάφραση
ο εκπαιδευτής είχε υπομονή και ήταν έτοιμος να βεβαιωθεί ότι όλοι καταλάβαμε τα θέματα, τα μαθήματα ήταν απόλαυση να συμμετέχουν
Mamonyane Taoana - Road Safety Department
Κομμάτι - Statistical Analysis using SPSS
Μηχανική Μετάφραση
Η ημέρα 1 και η ημέρα 2 ήταν πολύ απλές για μενα και απόλαυσα πολύ αυτή την εμπειρία.
Mareca Sithole - Africa Health Research Institute
Κομμάτι - R Fundamentals
Μηχανική Μετάφραση
