课程大纲

统计数据可以为决策者提供什么

  • 描述 Statistics
    • 基本统计数据 - 哪些统计数据(例如中位数、平均值、百分位数等)与不同的分布更相关
    • 图表 - 正确处理的重要性(例如,图表的创建方式如何反映决策)
    • 变数类型 - 哪些变数更容易处理
    • Ceteris paribus,万物总是在运动
    • 第三个变数问题 - 如何找到真正的网红
  • 推理 Statistics
    • 概率值 - P 值的含义是什么
    • 重复实验 - 如何解释重复实验结果
    • 数据收集 - 您可以最大限度地减少偏见,但不能消除偏见
    • 了解置信度

统计思维

  • 利用有限的资讯做出决策
    • 如何检查多少资讯 才足够
    • 根据概率和潜在回报确定目标的优先顺序(收益/成本比比例、决策树)
  • 错误是如何累积的
    • 蝴蝶效应
    • 黑天鹅
    • 什么是薛定谔的猫,什么是牛顿的苹果
  • Cassandra 问题 - 如果行动过程发生了变化,如何测量预测。
    • Google 流感趋势 - 它是怎么出错的
    • 决策如何使预测过时
  • Forecasting - 方法和实用性
    • 有马
    • 为什么 Naive 预测通常回应速度更快
    • 预测应该回顾过去多远?
    • 为什么更多的数据可能意味著更差的预测?

对决策者有用的统计方法

  • 描述双变数数据
    • 单变数数据和双变数数据
  • 概率
    • 为什么每次我们测量它们时情况都不同?
  • 正态分布和正态分布误差
  • 估计
    • 独立资讯源和自由度
  • 假设检验的逻辑
    • 什么可以被证明,为什么它总是与我们想要的相反(证伪)
    • 解释假设检验的结果
    • 检测手段
  • 权力
    • 如何确定一个好的(和便宜的)样本量
    • 假阳性和假阴性以及为什么它总是需要权衡

要求

需要良好的数学技能。需要接触基本统计数据(即与进行统计分析的人一起工作)。

 7 小时

客户评论 (5)

即将举行的公开课程

课程分类