課程簡介

統計對決策者的價值

  • 描述性統計
    • 基本統計——哪些統計量(如中位數、平均值、百分位數等)對不同分佈更相關
    • 圖表——正確繪製的重要性(例如,圖表的創建方式如何反映決策)
    • 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
    • 第三變量問題——如何找到真正的影響因素
  • 推斷性統計
    • 概率值——P值的意義
    • 重複實驗——如何解釋重複實驗的結果
    • 數據收集——可以減少偏差,但無法完全消除
    • 理解置信水平

統計思維

  • 有限信息下的決策
    • 如何檢查信息是否足夠
    • 基於概率和潛在回報(收益/成本比,決策樹)確定目標優先級
  • 錯誤如何累積
    • 蝴蝶效應
    • 黑天鵝
    • 薛定諤的貓與牛頓的蘋果在商業中的意義
  • 卡桑德拉問題——如果行動過程改變,如何衡量預測
    • 谷歌流感趨勢——爲何出錯
    • 決策如何使預測過時
  • 預測——方法與實用性
    • ARIMA
    • 爲什麼樸素預測通常更敏感
    • 預測應該回顧多遠的歷史?
    • 爲什麼更多數據可能意味着更差的預測?

對決策者有用的統計方法

  • 描述雙變量數據
    • 單變量數據與雙變量數據
  • 概率
    • 爲什麼每次測量結果都不同?
  • 正態分佈與正態分佈誤差
  • 估計
    • 獨立信息來源與自由度
  • 假設檢驗的邏輯
    • 什麼可以被證明,爲什麼總是與我們所希望的相反(證僞)
    • 解釋假設檢驗的結果
    • 均值檢驗
  • 效力
    • 如何確定一個合適(且經濟)的樣本量
    • 假陽性與假陰性,以及爲什麼總是需要權衡

最低要求

需要良好的數學技能。需要具備基本的統計學知識(例如,與進行統計分析的人員合作的經驗)。

 7 時間:

人數


每位參與者的價格

客戶評論 (5)

即將到來的課程

課程分類