Moocable is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Основы статистики. Часть 2

Bioinformatics Institute via Stepik

Description

В данном курсе будут рассмотрены методы анализа данных, которые наиболее часто применяются при статистической обработке результатов в широчайшем круге научных и прикладных областей. Помимо теоретических заданий слушателей ожидают практические задачи, которые необходимо выполнять, используя язык программирования R. Знаний, полученных в результате прохождения данного курса, будет достаточно чтобы научиться более быстро и эффективно решать различные задачи, связанные с анализом данных.

Economics

Syllabus

Анализ номинативных данных

1.1 Общая информация о курсе

1.2 Постановка задачи

1.3 Расстояние Пирсона

1.4 Распределение Хи-квадрат Пирсона

1.5 Расчет p-уровня значимости

1.6 Анализ таблиц сопряженности

1.7 Анализ таблиц сопряженности. Продолжение

1.8 Точный критерий Фишера

1.9 Практические задания на R

Логистическая регрессия и непараметрические методы

2.1 Логистическая регрессия. Постановка задачи.

2.2 Модель без предикторов. Intercept only model

2.3 Модель с одним номинативным предиктором

2.4 Модель с двумя номинативными предикторами

2.5 Взаимодействие номинативных предикторов

2.6 Когда нужно использовать непараметрические методы и почему?

2.7 Непараметрические методы. Продолжение.

2.8 Практические задания на R

Кластерный анализ и метод главных компонент

3.1 Кластерный анализ методом k - средних

3.2 Может ли кластерный анализ "ошибаться"?

3.3 Как определить оптимальное число кластеров?

3.4 Иерархическая кластеризация

3.5 Введение в метод анализа главных компонент

3.6 Практические задания на R

3.7 Заключение