В этом модуле мы поговорим о логике проверки статистических гипотез. Вы узнаете, чем статистическая гипотеза отличается от "обычного предположения", какие бывают статистические гипотезы, и какие статистические критерии разработаны для их проверки. В результате вы научитесь формулировать статистические гипотезы для решения исследовательских задач, а также выбирать подходящие критерии для их проверки. Этот модуль создаёт основу для следующих модулей курса, в которых на примерах рассматривается применение разных статистических критериев.

В этом модуле мы разберем один из классов статистических критериев, которые позволяют проверять соответствие распределения признаков известным законам распределения. Форма распределения - не менее важное ограничение для применения статистических методов, чем тип шкалы, в которой измерен признак, и если не учитывать связанные с ней ограничения, можно сделать некорректные статистические выводы. Многие меры и методы работают только в том случае, если признак распределен в соответствии с известным законом (к примеру, имеет нормальное распределение). Пройдя этот модуль, вы научитесь определять такие соответствия.

В этом модуле мы поговорим о способах выявления статистических взаимосвязей. Рассмотрим методы, применимые для выявления взаимосвязей признаков в зависимости от шкалы измерения и формы распределения признака, научимся определять силу и значимость связей между признаками. Применение основных методов оценки взаимосвязей мы разберем на реальных данных; к примеру, проверим, что важнее для того, чтобы человек был удовлетворён жизнью: материальное благополучие или уважение окружающих. Кроме того, мы покажем, как рассчитывать основные коэффициенты связи в R и SPSS.

В заключительном модуле курса мы поговорим о модели линейной регрессии, которая позволяет не только делать вывод о связи между признаками, но и строить прогноз, т.е., рассчитать значение одного (зависимого) признака, зная значения других, определяющих его. Мы начнём с общей идеи модели, поговорим о возможностях и ограничениях инструмента, затем на примере пошагово разберём, как построить модель линейной регрессии, как оценить её качество, и как строить прогноз на основе построенной модели. Базовый пример модуля - модель, построенная на реальных данных, предоставленных компанией 2GIS.