Исследование статистических взаимосвязей

Содержание курса

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

• 5 модулей
• 5 тем
• 10 часов

• Введение: структура и содержание курса

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

• Введение в статистические критерии

  Мы расскажем, чем статистические гипотезы отличаются от обычных предположений, какие они бывают и как их проверять. Вы научитесь формулировать статистические гипотезы для решения исследовательских задач, а также выбирать подходящие критерии для их проверки. 

  Получите основу для следующих модулей курса, в которых на реальных примерах рассмотрите применение разных статистических критериев.

  • Статистическая гипотеза.
  • Статистические критерии.
  • Алгоритм проверки статистических гипотез.
  • Свойства критериев.
  • Метод Монте-Карло.

• Критерии согласия

  Вы научитесь проверять, соответствуют ли распределения признаков теоретическим законам, и сможете избежать некорректных статистических выводов.

  • Гипотеза о согласии.
  • Критерий согласия хи-квадрат.
  • Группирование данных.
  • Критерий согласия Колмогорова — Смирнова.
  • Критерии типа «омега».
  • Критерий Шапиро — Уилка.
  • Практика. Построение критериев согласия в R.
  • Практика. Построение критериев согласия в SPSS.

• Линейная регрессия

  Вы узнаете о модели линейной регрессии, которая позволит не только сделать вывод о связи между признаками, но и построить прогноз — рассчитать значение одного признака, зная значения других, которые его определяют. 

  Начнёте с общей идеи модели, поймёте возможности и ограничения инструмента, затем разберёте на примере, как построить модель линейной регрессии, оценить её качество и построить прогноз на её основе. Создадите модель на реальных данных от 2ГИС.

  • Модель линейной регрессии: основная идея.
  • Типы данных.
  • Оценки параметров регрессии.
  • Оценка качества модели.
  • Отбор значимых признаков.
  • Мультиколлинеарность.
  • Гетероскедастичность.
  • Проверка предположений о модели.
  • Прогноз.
  • Практика. Линейная регрессия в R.
  • Практика. Линейная регрессия в SPSS.