Сравнение и создание групп

Содержание курса

Каждый модуль посвящён отдельному классу задач и завершается тестом для самопроверки. В конце вы пройдёте тестирование и выполните практическое задание на данных компании «2ГИС».

• 5 модулей
• 5 тем
• 10 часов

• Введение: структура и содержание курса

  Узнаете, как устроен курс, и познакомитесь с данными, с которыми будете работать.

• Одновыборочные и двухвыборочные критерии

  В первом модуле курса мы начнём разбираться со статистическими инструментами сравнения параметров и распределений в группах. Вы узнаете об основных задачах межгрупповых сравнений и рассмотрите одновыборочные и двухвыборочные критерии. Научитесь сравнивать связанные и несвязанные выборки, рассчитаете основные статистики в R и SPSS на основе реальных данных и интерпретируете полученные результаты.

  • Введение в межгрупповые сравнения.
  • Одновыборочные критерии сравнения средних.
  • Сравнение двух независимых выборок.
  • Сравнение дисперсий двух независимых выборок.
  • Сравнение распределений двух независимых выборок.
  • Сравнение двух связанных выборок.
  • Критерии равенства групп. Практика.
  • Сравнение средних в SPSS. Практика.

• Сравнение нескольких выборок

  Научитесь сравнивать несколько групп при помощи разных инструментов, выбирать инструменты исходя из задачи и типа данных. На практике узнаете, как рассчитывать основные статистики в R и SPSS и интерпретировать полученные результаты

  • Сравнение средних для k независимых выборок: параметрический случай.
  • Сравнение средних для k независимых выборок: непараметрический случай.
  • Сравнение средних для нескольких связанных выборок.
  • Критерий Фридмана.
  • Биномиальные данные.
  • Проверка соответствия выборочных пропорций теоретическим.
  • Проверка гипотез о равенстве средних для нескольких зависимых и независимых групп в R. Практика.
  • Сравнение средних в SPSS: k-выборочные критерии. Практика.
  • Сравнение средних в SPSS: тесты для связанных выборок. Практика.

• Введение в кластерный анализ

  Вы научитесь находить в данных группы, о существовании которых вы пока не знаете. Узнаете, как их выделять, характеризовать, и познакомитесь с агломеративными методами классификации. Отточите навыки на реальных данных.

  • Особенности методов кластерного анализа.
  • Меры сходства. Меры расстояния.
  • Корреляционные меры сходства и меры ассоциативности.
  • Иерархический кластерный анализ.
  • Определение оптимального количества кластеров.
  • Иерархический кластерный анализ: пример.
  • Иерархический кластерный анализ в R. Практика.
  • Иерархический кластерный анализ в SPSS. Практика.