Об этом курсе
Недавно просмотрено: 3,519

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 17 часа на выполнение

Предполагаемая нагрузка: 9 hours/week...

Русский

Субтитры: Русский

Приобретаемые навыки

General Linear ModelPost Hoc TestsR ProgrammingRegression AnalysisAnalysis Of Variance (ANOVA)

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 17 часа на выполнение

Предполагаемая нагрузка: 9 hours/week...

Русский

Субтитры: Русский

Программа курса: что вы изучите

Неделя
1
3 ч. на завершение

Модели с дискретными и непрерывными предикторами

14 видео ((всего 90 мин.)), 2 материалов для самостоятельного изучения, 1 тест
14 видео
Не все на свете непрерывно. Дискретные предикторы в линейных моделях14мин
Взаимодействие предикторов6мин
Пример - козы, глисты и линейные модели4мин
Подбор модели5мин
Диагностика модели4мин
Трактовка регрессионной модели, включающей один дискретный и один непрерывный предиктор14мин
Изменение базового уровня фактора3мин
Общие линейные модели5мин
Analysis of covariance (ANCOVA) - частный случай общих линейных моделей6мин
Устройство и диагностика модели с одним дискретным предиктором8мин
Устройство и диагностика модели с учетом ковариаты8мин
Результаты ANCOVA и визуализация модели5мин
Что мы знаем и что будет дальше2мин
2 материала для самостоятельного изучения
Обзор курса10мин
Модели с дискретными и непрерывными предикторами10мин
Неделя
2
2 ч. на завершение

Модели с разными значениями угла наклона для групп

11 видео ((всего 77 мин.)), 1 материал для самостоятельного изучения, 1 тест
11 видео
Запись уравнения моделей со взаимодействием дискретного и непрерывного предикторов8мин
Подбор модели со взаимодействием дискретного и непрерывного предикторов5мин
Диагностика модели4мин
Анатомируем модель11мин
График предсказаний модели со взаимодействием дискретного и непрерывного предикторов7мин
Модели с несколькими уровнями дискретного предиктора и взаимодействием12мин
Подбор модели, описывающей обилие птиц6мин
Диагностика финальной модели7мин
Представляем результаты подбора модели5мин
Что мы знаем и что будет дальше2мин
1 материал для самостоятельного изучения
Модели со взаимодействием дискретных и непрерывных предикторов10мин
Неделя
3
3 ч. на завершение

Однофакторный дисперсионный анализ

12 видео ((всего 87 мин.)), 1 материал для самостоятельного изучения, 1 тест
12 видео
Пример - нектар с кофеином11мин
Линейная модель с единственным дискретным предиктором. Параметризация индикаторных переменных6мин
Линейная модель с единственным дискретным предиктором. Параметризация эффектов8мин
Диагностика линейной модели7мин
Тестирование значимости коэффициентов модели с дискретным предиктором3мин
Структура общей изменчивости. Дисперсионный анализ9мин
Дисперсионный анализ в R5мин
Зоопарк пост хок тестов11мин
Пост хок тесты в R4мин
Визуализация результатов дисперсионного анализа8мин
Что мы знаем и что будет дальше3мин
1 материал для самостоятельного изучения
Однофакторный дисперсионный анализ10мин
Неделя
4
4 ч. на завершение

Многофакторный дисперсионный анализ

10 видео ((всего 70 мин.)), 1 материал для самостоятельного изучения, 2 тестов
10 видео
Пример - игра "Диктатор"13мин
Двухфакторный дисперсионный анализ. Параметризация индикаторных переменных3мин
Двухфакторный дисперсионный анализ. Параметризация эффектов5мин
Диагностика линейной модели7мин
Проблемы при анализе несбалансированных данных. Типы сумм квадратов9мин
Дисперсионный анализ в R7мин
Пост хок тест для взаимодействия факторов5мин
Визуализация результатов многофакторного дисперсионного анализа6мин
Что мы знаем и что будет дальше3мин
1 материал для самостоятельного изучения
Многофакторный дисперсионный анализ10мин

Преподаватели

Avatar

Варфоломеева Марина Александровна

Старший преподаватель
Кафедра зоологии беспозвоночных
Avatar

Хайтов Вадим Михайлович

Доцент
Кафедра Зоологии беспозвоночных

О Санкт-Петербургский государственный университет

Санкт-Петербургский государственный университет (СПбГУ) — старейший вуз России, основанный в 1724 году. Университет сегодня — научный, образовательный и культурный центр мирового значения, неизменно входящий во все международные рейтинги вузов. В номинации взаимодействие с работодателями QS Graduate Employability 2018 СПбГУ занимает 20 место среди 400 ведущих вузов мира и является лучшим в России. В настоящее время СПбГУ реализует 418 образовательных программ, включающих самые современные направления подготовки и специальности. Сертификат об успешном окончании представленных онлайн-курсов дает 5 дополнительных баллов при поступлении на программы магистратуры и аспирантуры СПбГУ. St Petersburg University is the oldest university in Russia, founded in 1724. The University today is a world-class research, educational and cultural centre which is always included in all international rankings of world universities. St Petersburg University was ranked 20th in QS Graduate Employability Ranking 2018 among 400 leading universities in the world and is the best in Russia. At present, St Petersburg University offers 418 academic programmes, including the most advanced areas and fields of study. The certificate of successful completion of offered online courses gives five additional points when applying for master’s and doctoral programmes at St Petersburg University....

Специализация Просто о статистике (с использованием R): общие сведения

Специализация “Просто о статистике” познакомит вас с основами прикладного анализа данных. Здесь не будет сложной математики, зато мы разберем на практике множество примеров. Вы научитесь описывать данные графически и при помощи описательных статистик; тестировать гипотезы, делая поправки на множественность тестов. При помощи линейных моделей вы сможете анализировать данные разных типов и проверять, выполняются ли допущения, лежащие в основе статистических методов. В частности, мы разберем, как устроены простая и множественная линейная регрессия, дисперсионный анализ, логистическая и Пуассоновская регрессия и т.д. Наконец, вы научитесь строить смешанные линейные модели, позволяющие работать с данными, когда благодаря дизайну сбора материала отдельные наблюдения оказываются взаимозависимы. Для статистического анализа мы будем использовать язык R -- универсальный язык науки о данных. Даже если вы раньше не писали программ, вы сможете научиться не только адаптировать существующие, но и создавать свои собственные скрипты для анализа данных. Каждый из курсов заканчивается практическим проектом, так что к концу специализации вы сможете собрать портфолио из разных видов анализа данных. Отчеты по проекту, выдержанные в традиции воспроизводимых исследований, вы научитесь создавать, не покидая R, при помощи пакетов knitr / rmarkdown....
Просто о статистике (с использованием R)

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.