Этот курс входит в специализацию ''Специализация Data Science Foundations: Statistical Inference'

4.3

звезд

Оценки: 39

Jem Corcoran

3 398 уже зарегистрированы

от партнера

Хотите получить зачетные единицы для диплома? Узнайте больше

Вы можете получить от Колорадский университет в Боулдере зачетные единицы, которые будут засчитываться при обучении по дипломной программе Master of Science in Data Science

Специализация Data Science Foundations: Statistical InferenceКолорадский университет в Боулдере

Об этом курсе

Недавно просмотрено: 35 068

This course introduces statistical inference, sampling distributions,  and confidence intervals. Students will learn how to define and construct  good estimators, method of moments estimation, maximum likelihood estimation, and methods of constructing confidence intervals that will extend to more general settings.  
This course can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder.

Logo adapted from photo by Christopher Burns on Unsplash.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Лабораторные работы Coursera Labs

Включает в себя практические учебные проекты.

Подробнее о лабораторных работах Coursera Labs

Курс 2 из 3 в программе

Специализация Data Science Foundations: Statistical Inference

Средний уровень

Sequence in calculus up through Calculus II (preferably multivariate calculus) and some programming experience in R.

Прибл. 28 часов на выполнение

Английский

Чему вы научитесь

Identify characteristics of “good” estimators and be able to compare competing estimators.
Construct sound estimators using the techniques of maximum likelihood and method of moments estimation.
Construct and interpret confidence intervals for one and two population means, one and two population proportions, and a population variance.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Лабораторные работы Coursera Labs

Включает в себя практические учебные проекты.

Подробнее о лабораторных работах Coursera Labs

Курс 2 из 3 в программе

Специализация Data Science Foundations: Statistical Inference

Средний уровень

Sequence in calculus up through Calculus II (preferably multivariate calculus) and some programming experience in R.

Прибл. 28 часов на выполнение

Английский

Преподаватели

Оценка преподавателя

4,5/5 (оценок: 14)

Jem Corcoran

от партнера

Колорадский университет в Боулдере

Сделайте шаг навстречу диплому.

Этот курс входит в дипломную онлайн-программу, предлагаемую университетом Колорадский университет в Боулдере. Если вы зарегистрируетесь на курс с зачетными единицами вне дипломной программы через университет и пройдете его онлайн, зачетные единицы за него можно будет учесть в дипломной программе университета CU-Boulder. Для этого необходимо просто подать заявку через университет.

Master of Science in Data Science

Колорадский университет в Боулдере

Зарегистрируйтесь для получения зачетных единиц

Программа курса: что вы изучите

Неделя

Неделя 1

1 ч. на завершение

Start Here!

1 ч. на завершение

1 видео ((всего 7 мин.)), 3 материалов для самостоятельного изучения

7 ч. на завершение

Point Estimation

In this module you will learn how to estimate parameters from a large population based only on information from a small sample. You will learn about desirable properties that can be used to help you to differentiate between good and bad estimators. We will review the concepts of expectation, variance, and covariance, and you will be introduced to a formal, yet intuitive, method of estimation known as the "method of moments".

7 ч. на завершение

10 видео ((всего 153 мин.)), 11 материалов для самостоятельного изучения, 5 тестов

10 видео

Discrete Random Variables and Probability Mass Functions11мин

Continuous Random Variables and Probability Density Functions7мин

Joint Distributions and Independence10мин

The Gamma Distribution17мин

Transformations of Distributions20мин

Expectation and Properties of Expectation16мин

Variance and Covariance17мин

Estimators and Sampling Distributions15мин

Distributions of Sums22мин

Method of Moments Estimators13мин

11 материалов для самостоятельного изучения

Important Discrete Distributions10мин

Important Continuous Distributions20мин

Table Summarizing Important Distributions 10мин

Joint Distributions10мин

Video Slides: The Gamma Distribution15мин

Video Slides for Transformations of Distributions

Video Slides for Expectation and Properties of Expectation

Video Slides for Variance and Covariance

Video Slides for Estimators and Sampling Distributions

Video Slides for Distributions of Sums

Video Slides for Method of Moments Estimators

4 практических упражнения

Recognizing Discrete Distributions15мин

Calculations with Continuous Distributions25мин

Probability, Expectation, and Variance30мин

Method of Moments Estimation30мин

Неделя

Неделя 2

4 ч. на завершение

Maximum Likelihood Estimation

4 ч. на завершение

5 видео ((всего 67 мин.)), 5 материалов для самостоятельного изучения, 3 тестов

5 видео

A Motivating Example8мин

Notation, Terminology, and First Complete Examples13мин

MLEs for Multiple and Support Parameters17мин

The Invariance Property20мин

Mean Squared Error, Bias, and Relative Efficiency7мин

5 материалов для самостоятельного изучения

Video Slides for A Motivating Example

Video Slides for Notation, Terminology, and First Complete Examples

Video Slides for MLEs for Multiple and Support Parameters

Video Slides for The Invariance Property

Video Slides for Mean Squared Error, Bias and Relative Efficiency

2 практических упражнения

Finding MLEs30мин

Invariance, Mean-Squared Error, and Efficiency30мин

Неделя

Неделя 3

6 ч. на завершение

Large Sample Properties of Maximum Likelihood Estimators

6 ч. на завершение

5 видео ((всего 100 мин.)), 5 материалов для самостоятельного изучения, 3 тестов

5 видео

Fisher Information and the Cramer-Rao Lower Bound19мин

Computational Simplifications for the CRLB14мин

The Weak Law of Large Numbers22мин

The Central Limit Theorem22мин

Large Sample Properties of MLEs21мин

5 материалов для самостоятельного изучения

Video Slides for Fisher Information and the Cramér-Rao Lower Bound10мин

Video Slides for Computational Simplifications for the CRLB10мин

Video Slides for The Weak Law of Large Numbers10мин

Video Slides for The Central Limit Theorem10мин

Video Slides for Large Sample Properties of MLEs10мин

2 практических упражнения

The Cramer-Rao Lower Bound30мин

Further Computations with MLEs30мин

Неделя

Неделя 4

6 ч. на завершение

Confidence Intervals Involving the Normal Distribution

6 ч. на завершение

5 видео ((всего 99 мин.)), 5 материалов для самостоятельного изучения, 3 тестов

5 видео

Let's Build a Confidence Interval!19мин

The Chi-Squared and t- Distributions27мин

t-Distribution Confidence Intervals20мин

Confidence Intervals for the Difference Between Population Means11мин

Small Sample Confidence Intervals for the Difference Between Population Means20мин

5 материалов для самостоятельного изучения

Video Slides for Let's Build a Confidence Interval!10мин

Video Slides for the Chi-Squared and t-Distributions10мин

Video Slides for t-Distribution Confidence Intervals10мин

Video Slides for Confidence Intervals for the Difference Between Population Means10мин

Video Slides for Small Sample Confidence Intervals for the Difference Between Population Means10мин

2 практических упражнения

Confidence Intervals Involving the Normal Distribution30мин

Confidence Intervals for Differences Between Means30мин

Специализация Data Science Foundations: Statistical Inference: общие сведения

This program is designed to provide the learner with a solid foundation in probability theory to prepare for the broader study of statistics. It will also introduce the learner to the fundamentals of statistics and statistical theory and will equip the learner with the skills required to perform fundamental statistical analysis of a data set in the R programming language.

This specialization can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder. Logo adapted from photo by Christopher Burns on Unsplash.

Data Science Foundations: Statistical Inference

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
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.
Можно ли получить финансовую помощь?
Да. В некоторых программах обучения вы можете подать заявку на получение финансовой помощи или стипендии, если не можете оплатить регистрационный взнос. Если для выбранной вами программы предлагается такая возможность, вы увидите ссылку для подачи заявки на странице описания.

Остались вопросы? Посетите Центр поддержки учащихся.

Statistical Inference for Estimation in Data Science

Об этом курсе

Чему вы научитесь