课程大纲

统计能为决策者Make提供什么

  • 描述性Statistics
    • 基本统计 - 哪些统计量(如中位数、平均值、百分位数等)更适用于不同的分布
    • 图表 - 正确绘制的重要性(如图表的绘制方式如何反映决策)
    • 变量类型 - 哪些变量更容易处理
    • 其他条件不变,事物总是在变化中
    • 第三变量问题 - 如何找到真正的影响因素
  • 推论性Statistics
    • 概率值 - P值的意义是什么
    • 重复实验 - 如何解释重复实验的结果
    • 数据收集 - 你可以减少偏见,但无法完全消除
    • 理解置信水平

统计思维

  • 在有限信息下做出决策
    • 如何检查信息是否足够
    • 基于概率和潜在回报优先排序目标(效益/成本比率,决策树)
  • 错误如何累积
    • 蝴蝶效应
    • 黑天鹅事件
    • 什么是薛定谔的猫和牛顿的苹果在商业中的意义
  • Cassandra问题 - 如何衡量预测,如果行动方针已经改变
    • Google流感趋势 - 它为何出错
    • 决策如何使预测过时
  • Forecasting - 方法与实用性
    • ARIMA
    • 为什么天真的预测通常更灵敏
    • 预测应该回溯到多久以前?
    • 为什么更多数据可能意味著更差的预测?

对决策者Make有用的统计方法

  • 描述双变量数据
    • 单变量数据和双变量数据
  • 概率
    • 为什么每次测量时结果会有所不同?
  • 正态分布和正态分布的误差
  • 估计
    • 独立信息源和自由度
  • 假设检验的逻辑
    • 什么可以被证明,为什么它总是与我们想要的相反(证伪)
    • 解释假设检验的结果
    • 检验均值
  • 功效
    • 如何确定一个好的(且成本低的)样本量
    • 假阳性和假阴性,以及为什么这总是一个权衡

要求

Go需要良好的数学技能。需要接触基础统计学(即与进行统计分析的人员合作)。

 7 小时

客户评论 (5)

即将举行的公开课程

课程分类