Plan Szkolenia
Co statystyka może oferować decydentom
-
Opisowe statystyki
- Podstawowe statystyki - które z nich (np. mediana, średnia, percentyle itp.) są bardziej relevantne dla różnych rozkładów
- Wykresy - znaczenie poprawnego ich tworzenia (np. jak sposób tworzenia wykresu wpływa na decyzję)
- Typy zmiennych - jakie zmienne są łatwiejsze do obsługi
- Ceteris paribus, rzeczy zawsze się zmieniają
- Problem trzeciej zmiennej - jak znaleźć prawdziwego wpływacza
-
Statystyki wnioskowe
- Wartość prawdopodobieństwa - co oznacza wartość P
- Powtarzalny eksperyment - jak interpretować wyniki powtarzalnego eksperymentu
- Zbieranie danych - możesz zmniejszyć bias, ale nie możesz go całkowicie eliminować
- Zrozumienie poziomu ufności
Statystyczne myślenie
-
Podnoszenie decyzji przy ograniczonych informacjach
- jak sprawdzić, ile informacji jest wystarczająco dużo
- priorytetyzacja celów na podstawie prawdopodobieństwa i potencjalnej zyskowności (stosunek koszt/zwrot, drzewa decyzyjne)
-
Jak błędy się sumują
- Efekt motyla
- Czarny łabędź
- Co to jest kot Schrödingera i jabłko Newtona w biznesie
-
Problem Kassandra - jak mierzyć prognozę, jeśli zmieniła się trasa działania
- Google Flu trends - dlaczego poszło źle
- Jak decyzje sprawiają, że prognozy stają się przestarzałe
-
Prognozowanie - metody i praktyczność
- ARIMA
- Dlaczego proste prognozy są zwykle bardziej reaktywne
- Jak daleko powinna sięgać w przeszłość prognoza?
- Dlaczego więcej danych może oznaczać gorszą prognozę?
Statystyczne metody przydatne dla decydentów
-
Opis danych dwuwymiarowych
- Jednowymiarowe i dwuwymiarowe dane
-
Prawdopodobieństwo
- czemu rzeczy różnią się za każdym razem, gdy je mierzymy?
- Normalne rozkłady i błędy normalnie rozłożone
-
Estymacja
- Niezależne źródła informacji i stopnie swobody
-
Logika testowania hipotez
- Co można udowodnić, a dlaczego zawsze jest to przeciwne temu, czego chcemy (fałsyzacja)
- Interpretacja wyników testowania hipotez
- Testowanie średnich
-
Moc statystyczna
- Jak wyznaczyć dobrą (i taną) wielkość próby
- Fałszywe pozytywy i fałszywe negatywy oraz dlaczego zawsze jest to kompromis
Wymagania
Wymagane są dobrze rozwinięte umiejętności matematyczne. Konieczne jest również znajomość podstaw statystyki (np. praca z osobami, które wykonują analizy statystyczne).
Opinie uczestników (5)
Wersja z ćwiczeniami i pokazem.
Ida Sjoberg - Swedish National Debt Office
Szkolenie - Econometrics: Eviews and Risk Simulator
Przetłumaczone przez sztuczną inteligencję
było informatywne i przydatne
Brenton - Lotterywest
Szkolenie - Building Web Applications in R with Shiny
Przetłumaczone przez sztuczną inteligencję
Wiele przykładów i ćwiczeń związanych z tematyką szkolenia.
Tomasz - Ministerstwo Zdrowia
Szkolenie - Advanced R Programming
Przetłumaczone przez sztuczną inteligencję
trener był cierpliwy i z entuzjazmą chciał się upewnić, że wszyscy rozumiemy tematy, lekcje były przyjemne do uczestnictwa
Mamonyane Taoana - Road Safety Department
Szkolenie - Statistical Analysis using SPSS
Przetłumaczone przez sztuczną inteligencję
Tempo był odpowiedni, a relaksująca atmosfera pozwalała kandydatom swobodnie zadawać pytania.
Rhian Hughes - Public Health Wales NHS Trust
Szkolenie - Introduction to Data Visualization with Tidyverse and R
Przetłumaczone przez sztuczną inteligencję