課程簡介

統計數據可以為決策者提供什麼

  • 描述 Statistics
    • 基本統計數據 - 哪些統計數據(例如中位數、平均值、百分位數等)與不同的分佈更相關
    • 圖表 - 正確處理的重要性(例如,圖表的創建方式如何反映決策)
    • 變數類型 - 哪些變數更容易處理
    • Ceteris paribus,萬物總是在運動
    • 第三個變數問題 - 如何找到真正的網紅
  • 推理 Statistics
    • 概率值 - P 值的含義是什麼
    • 重複實驗 - 如何解釋重複實驗結果
    • 數據收集 - 您可以最大限度地減少偏見,但不能消除偏見
    • 瞭解置信度

統計思維

  • 利用有限的資訊做出決策
    • 如何檢查多少資訊 才足夠
    • 根據概率和潛在回報確定目標的優先順序(收益/成本比比例、決策樹)
  • 錯誤是如何累積的
    • 蝴蝶效應
    • 黑天鵝
    • 什麼是薛定諤的貓,什麼是牛頓的蘋果
  • Cassandra 問題 - 如果行動過程發生了變化,如何測量預測。
    • Google 流感趨勢 - 它是怎麼出錯的
    • 決策如何使預測過時
  • Forecasting - 方法和實用性
    • 有馬
    • 為什麼 Naive 預測通常回應速度更快
    • 預測應該回顧過去多遠?
    • 為什麼更多的數據可能意味著更差的預測?

對決策者有用的統計方法

  • 描述雙變數數據
    • 單變數數據和雙變數數據
  • 概率
    • 為什麼每次我們測量它們時情況都不同?
  • 正態分佈和正態分佈誤差
  • 估計
    • 獨立資訊源和自由度
  • 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
    • 檢測手段
  • 權力
    • 如何確定一個好的(和便宜的)樣本量
    • 假陽性和假陰性以及為什麼它總是需要權衡

最低要求

需要良好的數學技能。需要接觸基本統計數據(即與進行統計分析的人一起工作)。

 7 時間:

客戶評論 (5)

課程分類