统计学入门：数据科学的基石

前谷歌数据科学家的课程和示例，掌握假设检验、置信区间等

学习内容：

* 建立强大的统计词汇和概率基础
* 学习检验比例和均值的假设
* 了解如何创建置信区间及其与假设检验的关系
* 了解如何对分类数据进行卡方检验

课程内容主题：

* 数据与图表：分类变量、频数与比例、直方图、茎叶图、箱线图等
* 概率基础：事件与样本空间、联合与交集概率、随机变量、二项分布、期望值
* 正态分布：标准正态分布、Z表、中心极限定理、Z分数计算
* 假设检验：单比例Z检验、双比例Z检验、单均值T检验、双均值T检验、卡方检验（拟合优度、独立性、同质性）
* 置信区间：比例与均值的置信区间、与假设检验的关联
* 相关性与线性回归：相关系数、回归方程、R²、回归推断

课程要求：

* 基本算术技能
* 基础代数（理解带变量的方程的能力）

课程详细描述：

* **课程目标**：系统教授大学入门统计学核心内容，重点涵盖假设检验、置信区间、卡方检验等关键主题，适用于数据科学初学者、学生及从业者。
* **课程结构**：包含10小时视频课程，采用创新光板技术进行面对面授课，每节课配有补充讲义、19个测验及9个配套练习（含答案），帮助巩固知识。
* **核心知识点**：

– 数据类型与可视化：掌握分类变量、离散与连续变量、箱线图、直方图等图表的解读方法。

– 概率基础：学习随机变量、概率质量函数（PMF）、累积分布函数（CDF）、二项分布及期望值计算。

– 正态分布与中心极限定理：理解Z分数、Z表使用，掌握连续数据与二项数据的CLT应用。

– 假设检验：通过Z检验（单/双比例）与T检验（单/双均值）进行统计推断，学习I类错误、P值、临界值等概念。

– 置信区间：构建比例与均值的置信区间，理解其与假设检验的联系。

– 卡方检验：执行拟合优度检验、独立性检验与同质性检验，分析分类数据关系。

– 简单线性回归：学习相关系数、回归方程、残差分析、R²解释及回归推断。
* **适用人群**：

– 自学者：希望系统掌握统计学基础，理解P值、置信区间等核心概念。

– 大学生/高中生：补充大学或高中统计课程，获取详细例题与讲解。

– 数据科学从业者：更新知识体系，为面试或职业发展做准备。
* **讲师背景**：Brian Greco，前谷歌数据科学家，拥有十年教学经验，曾开发基因测序数据分析方法，擅长将复杂统计概念通俗化。

B站免费课程

更多 未分类 教程