課程簡介

統計數據可以為決策者提供什麼

    描述性 Statistics 基本統計 - 哪些統計(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,事物總是在運動 第三個變數問題——如何找到真正的影響者
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,但不能擺脫它
  • 瞭解置信度
  • 統計思維
  • 在資訊有限的情況下做出決策 如何檢查多少資訊才足夠 根據概率和潛在回報(收益/成本比、決策樹)確定目標的優先順序

      錯誤如何累積 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,如何衡量預測 Google 流感趨勢 - 它是如何出錯的
  • 決策如何使預測過時
  • Forecasting - 方法和實用性 阿裡瑪
  • 為什麼幼稚的預測通常反應更靈敏
  • 預測應該在多大程度上回顧過去?
  • 為什麼更多的數據可能意味著更糟糕的預測?
  • 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 獨立的資訊來源和自由度

      假設檢驗的邏輯 可以證明什麼,為什麼它總是與我們想要的相反(偽造)
    解釋假設檢驗的結果
  • 測試手段
  • 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:
     

    人數


    開始於

    結束於


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    客戶評論 (8)

    相關課程

    課程分類