課程簡介

統計能為決策者Make提供什麼

  • 描述性Statistics
    • 基本統計 - 哪些統計量(如中位數、平均值、百分位數等)更適用於不同的分佈
    • 圖表 - 正確繪製的重要性(如圖表的繪製方式如何反映決策)
    • 變量類型 - 哪些變量更容易處理
    • 其他條件不變,事物總是在變化中
    • 第三變量問題 - 如何找到真正的影響因素
  • 推論性Statistics
    • 概率值 - P值的意義是什麼
    • 重複實驗 - 如何解釋重複實驗的結果
    • 數據收集 - 你可以減少偏見,但無法完全消除
    • 理解置信水平

統計思維

  • 在有限信息下做出決策
    • 如何檢查信息是否足夠
    • 基於概率和潛在回報優先排序目標(效益/成本比率,決策樹)
  • 錯誤如何累積
    • 蝴蝶效應
    • 黑天鵝事件
    • 什麼是薛定諤的貓和牛頓的蘋果在商業中的意義
  • Cassandra問題 - 如何衡量預測,如果行動方針已經改變
    • Google流感趨勢 - 它為何出錯
    • 決策如何使預測過時
  • Forecasting - 方法與實用性
    • ARIMA
    • 為什麼天真的預測通常更靈敏
    • 預測應該回溯到多久以前?
    • 為什麼更多數據可能意味著更差的預測?

對決策者Make有用的統計方法

  • 描述雙變量數據
    • 單變量數據和雙變量數據
  • 概率
    • 為什麼每次測量時結果會有所不同?
  • 正態分佈和正態分佈的誤差
  • 估計
    • 獨立信息源和自由度
  • 假設檢驗的邏輯
    • 什麼可以被證明,為什麼它總是與我們想要的相反(證偽)
    • 解釋假設檢驗的結果
    • 檢驗均值
  • 功效
    • 如何確定一個好的(且成本低的)樣本量
    • 假陽性和假陰性,以及為什麼這總是一個權衡

最低要求

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 時間:

客戶評論 (5)

課程分類