|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/data-analysis-and-statistical-modelling-in-r/
课程评论：没有评论
Coursera 课程《R 语言数据分析与统计建模》摘要 本课程旨在教授学员在应用数据科学模型之前，如何深入理解数据本质，并掌握统计建模的基础知识与实际应用。我们将使用 R 语言进行分析。 课程内容概览： **第一部分：统计基础与数据分布** * **核心概念**: 涵盖了正态分布、二项分布、卡方分布、概率密度函数 (Densities)、累积分布函数 (CDF)、分位数 (Quantiles)、随机数生成。 * **中心极限定理 (CLT)**: 理解其重要性。 * **R 语言统计功能**: 学习 R 中各种统计分布函数，计算均值 (Mean)、中位数 (Median)、范围 (Range)、标准差 (Standard deviation)、方差 (Variance)、平方和 (Sum of squares)，以及偏度 (Skewness) 和峰度 (Kurtosis)。 **第二部分：数据可视化** * **图表类型**: 学习绘制各种图表，包括条形图 (Bar Plots)、直方图 (Histogram)、饼图 (Pie charts)、箱线图 (Box plots)、散点图 (Scatter plots)、点图 (Dot Charts)、以及使用 R 的绘图功能 (Mat Plots) 绘制分组图和展示数据集。 **第三部分：统计推断与假设检验** * **参数检验与非参数检验**: 区分并应用两类检验方法。 * **统计显著性**: 理解“统计上显著”的含义，包括 P 值 (P-Value)。 * **假设检验**: 学习进行假设检验，包括双侧检验 (Two-Tailed Test) 和单侧检验 (One Tailed Test)，应用于检验真实总体均值。 * **具体检验方法**: 掌握比例检验 (Proportional Test)，T 检验（包括单样本 T 检验、独立双样本 T 检验、配对样本 T 检验），F 检验（包括均方误差 MSE、F 分布、方差、平方和、方差分析表 ANOVA Table、事后检验 Post-hoc test、Tukey HSD）。 * **卡方检验**: 学习卡方拟合优度检验 (One sample chi-square goodness of fit test) 和独立性卡方检验 (chi-square test for independence)。 * **相关性分析**: 学习计算皮尔逊相关系数 (Pearson Correlation) 和斯皮尔曼相关系数 (Spearman Correlation)。 **实践应用**: 课程将通过 CSV 文件和 R 内置的数据集及软件包，展示真实世界的数据应用案例，使学员能够动手实践所学知识。
Before applying any data science model its always a good practice to understand the true nature of your data. In this Course we will cover fundamentals and applications of statistical modelling. We will use R Programming Language to run this analysis. We will start with Math, Data Distribution and statistical concepts then by using plots and charts we will interpret our data. We will use statistical modelling to prove our claims and use hypothesis testing to confidently make inferences. This course is divided into 3 PartsIn the 1st section we will cover following concepts1. Normal Distribution2. Binomial Distribution3. Chi-Square Distribution4. Densities5. Cumulative Distribution function CDF6. Quantiles7. Random Numbers8. Central Limit Theorem CLT9. R Statistical Distribution10. Distribution Functions11. Mean12. Median13. Range14. Standard deviation15. Variance16. Sum of squares17. Skewness18. Kurtosis2nd Section1. Bar Plots2. Histogram3. Pie charts4. Box plots5. Scatter plots6. Dot Charts7. Mat Plots8. Plots for groups9. Plotting datasets3rd Section of this course will elaborate following concepts1. Parametric tests2. Non-Parametric Tests3. What is statistically significant means?4. P-Value5. Hypothesis Testing6. Two-Tailed Test7. One Tailed Test8. True Population mean9. Hypothesis Testing10. Proportional Test11. T-test12. Default t-test / One sample t-test13. Two-sample t-test / Independent Samples t-test14. Paired sample t-test15. F-Tests16. Mean Square Error MSE17. F-Distribution18. Variance19. Sum of squares20. ANOVA Table21. Post-hoc test22. Tukey HSD23. Chi-Square Tests24. One sample chi-square goodness of fit test25. chi-square test for independence26. Correlation27. Pearson Correlation28. Spearman CorrelationIn all the analysis we will practically see the real world applications using data sets csv files and r built in Datasets and packages.
