Statistical inference is the process of drawing conclusions about populations or scientific truths from data. There are many modes of performing inference including statistical modeling, data oriented strategies and explicit use of designs and randomization in analyses. Furthermore, there are broad theories (frequentists, Bayesian, likelihood, design based, …) and numerous complexities (missing data, observed and unobserved confounding, biases) for performing inference. A practitioner can often be left in a debilitating maze of techniques, philosophies and nuance. This course presents the fundamentals of inference in a practical approach for getting things done. After taking this course, students will understand the broad directions of statistical inference and use this information for making informed choices in analyzing data.
Этот курс входит в специализацию ''Специализация Наука о данных'
Статистический вывод
от партнера
Об этом курсе
4.2
Оценки: 3,147
Чему вы научитесь
Describe variability, distributions, limits, and confidence intervals
Make informed data analysis decisions
Understand the process of drawing conclusions about populations or scientific truths from data
Use p-values, confidence intervals, and permutation tests
Приобретаемые навыки
StatisticsStatistical InferenceStatistical Hypothesis Testing
Программа курса: что вы изучите
Неделя
118 ч. на завершение
Week 1: Probability & Expected Values
This week, we'll focus on the fundamentals including probability, random variables, expectations and more.
10 видео ((всего 64 мин.)), 11 материалов для самостоятельного изучения, 6 тестов
10 видео
02 01 Introduction to probability6мин
02 02 Probability mass functions7мин
02 03 Probability density functions13мин
03 01 Conditional Probability3мин
03 02 Bayes' rule7мин
03 03 Independence3мин
04 01 Expected values5мин
04 02 Expected values, simple examples2мин
04 03 Expected values for PDFs7мин
11 материала для самостоятельного изучения
Welcome to Statistical Inference10мин
Some introductory comments10мин
Pre-Course Survey10мин
Syllabus10мин
Course Book: Statistical Inference for Data Science10мин
Data Science Specialization Community Site10мин
Homework Problems10мин
Probability10мин
Conditional probability10мин
Expected values10мин
Practical R Exercises in swirl 110мин
1 практическое упражнение
Quiz 112мин
Неделя
211 ч. на завершение
Week 2: Variability, Distribution, & Asymptotics
We're going to tackle variability, distributions, limits, and confidence intervals.
10 видео ((всего 76 мин.)), 4 материалов для самостоятельного изучения, 4 тестов
10 видео
05 02 Variance simulation examples2мин
05 03 Standard error of the mean7мин
05 04 Variance data example3мин
06 01 Binomial distrubtion3мин
06 02 Normal distribution15мин
06 03 Poisson6мин
07 01 Asymptotics and LLN4мин
07 02 Asymptotics and the CLT8мин
07 03 Asymptotics and confidence intervals20мин
4 материала для самостоятельного изучения
Variability10мин
Distributions10мин
Asymptotics10мин
Practical R Exercises in swirl Part 210мин
1 практическое упражнение
Quiz 216мин
Неделя
311 ч. на завершение
Week: Intervals, Testing, & Pvalues
We will be taking a look at intervals, testing, and pvalues in this lesson.
11 видео ((всего 83 мин.)), 5 материалов для самостоятельного изучения, 4 тестов
11 видео
08 02 T confidence intervals example4мин
08 03 Independent group T intervals14мин
08 04 A note on unequal variance3мин
09 01 Hypothesis testing4мин
09 02 Example of choosing a rejection region5мин
09 03 T tests7мин
09 04 Two group testing17мин
10 01 Pvalues7мин
10 02 Pvalue further examples5мин
Just enough knitr to do the project3мин
5 материала для самостоятельного изучения
Confidence intervals10мин
Hypothesis testing10мин
P-values10мин
Knitr10мин
Practical R Exercises in swirl Part 310мин
1 практическое упражнение
Quiz 314мин
Неделя
413 ч. на завершение
Week 4: Power, Bootstrapping, & Permutation Tests
We will begin looking into power, bootstrapping, and permutation tests.
9 видео ((всего 86 мин.)), 4 материалов для самостоятельного изучения, 5 тестов
9 видео
11 01 Power4мин
11 02 Calculating Power12мин
11 03 Notes on power4мин
11 04 T test power8мин
12 01 Multiple Comparisons25мин
13 01 Bootstrapping7мин
13 02 Bootstrapping example3мин
13 03 Notes on the bootstrap10мин
13 04 Permutation tests9мин
4 материала для самостоятельного изучения
Power10мин
Resampling10мин
Practical R Exercises in swirl Part 410мин
Post-Course Survey10мин
1 практическое упражнение
Quiz 418мин
42%
начал новую карьеру, пройдя эти курсы
38%
получил значимые преимущества в карьере благодаря этому курсу
10%
стал больше зарабатывать или получил повышение
Лучшие рецензии
Course is compressed with lots of statistical concepts. Which is very good as most must know concepts are imparted. Lots of extra reading is required to gain all insights. Very good motivating start .
The strategy for model selection in multivariate environment should have been explained with an example. This will make the model selection process, interaction and its interpretation more clear.
Преподаватели
Brian Caffo, PhD
Professor, BiostatisticsBloomberg School of Public Health
Roger D. Peng, PhD
Associate Professor, BiostatisticsBloomberg School of Public Health
Jeff Leek, PhD
Associate Professor, BiostatisticsBloomberg School of Public Health
О Университет Джонса Хопкинса
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
О специализации ''Наука о данных'
Ask the right questions, manipulate data sets, and create visualizations to communicate results.
This Specialization covers the concepts and tools you'll need throughout the entire data science pipeline, from asking the right kinds of questions to making inferences and publishing results. In the final Capstone Project, you’ll apply the skills learned by building a data product using real-world data. At completion, students will have a portfolio demonstrating their mastery of the material.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
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.
Что я получу, оформив подписку на специализацию?
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.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2019 Все права защищены.
