课程大纲

统计对决策者的价值

  • 描述性统计
    • 基本统计——哪些统计量(如中位数、平均值、百分位数等)对不同分布更相关
    • 图表——正确绘制的重要性(例如,图表的创建方式如何反映决策)
    • 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
    • 第三变量问题——如何找到真正的影响因素
  • 推断性统计
    • 概率值——P值的意义
    • 重复实验——如何解释重复实验的结果
    • 数据收集——可以减少偏差,但无法完全消除
    • 理解置信水平

统计思维

  • 有限信息下的决策
    • 如何检查信息是否足够
    • 基于概率和潜在回报(收益/成本比,决策树)确定目标优先级
  • 错误如何累积
    • 蝴蝶效应
    • 黑天鹅
    • 薛定谔的猫与牛顿的苹果在商业中的意义
  • 卡桑德拉问题——如果行动过程改变,如何衡量预测
    • 谷歌流感趋势——为何出错
    • 决策如何使预测过时
  • 预测——方法与实用性
    • ARIMA
    • 为什么朴素预测通常更敏感
    • 预测应该回顾多远的历史?
    • 为什么更多数据可能意味着更差的预测?

对决策者有用的统计方法

  • 描述双变量数据
    • 单变量数据与双变量数据
  • 概率
    • 为什么每次测量结果都不同?
  • 正态分布与正态分布误差
  • 估计
    • 独立信息来源与自由度
  • 假设检验的逻辑
    • 什么可以被证明,为什么总是与我们所希望的相反(证伪)
    • 解释假设检验的结果
    • 均值检验
  • 效力
    • 如何确定一个合适(且经济)的样本量
    • 假阳性与假阴性,以及为什么总是需要权衡

要求

需要良好的数学技能。需要具备基本的统计学知识(例如,与进行统计分析的人员合作的经验)。

 7 小时

客户评论 (5)

即将举行的公开课程

课程分类