آمار برای علم داده و تجزیه و تحلیل کسب و کار [ویدئو]

سرفصل ها و درس ها

مقدمه دوره Introduction to the Course

• دوره شامل چه مواردی است؟ What Does the Course Cover?

• درک تفاوت بین یک جمعیت و یک نمونه Understanding the Difference Between a Population and a Sample

مبانی آمار توصیفی Descriptive Statistics Fundamentals

• انواع مختلفی از داده هایی که می توانیم با آنها کار کنیم The Various Types of Data We can Work With

• سطوح اندازه گیری Levels of Measurement

• متغیرهای طبقه‌بندی و تکنیک‌های تجسم برای متغیرهای طبقه‌بندی Categorical Variables and Visualization Techniques for Categorical Variables

• متغیرهای عددی و استفاده از جدول توزیع فرکانس Numerical Variables and Using a Frequency Distribution Table

• نمودارهای هیستوگرام Histogram Charts

• جداول متقاطع و نمودارهای پراکنده Cross Tables and Scatter Plots

• معیارهای اصلی گرایش مرکزی: میانگین، میانه، حالت The Main Measures of Central Tendency: Mean, Median, Mode

• اندازه گیری چولگی Measuring Skewness

• اندازه گیری نحوه پخش داده ها: محاسبه واریانس Measuring How Data is Spread Out: Calculating Variance

• انحراف معیار و ضریب تغییرات Standard Deviation and Coefficient of Variation

• محاسبه و درک کوواریانس Calculating and Understanding Covariance

• ضریب همبستگی The Correlation Coefficient

• مثال عملی Practical Example

مبانی آمار استنباطی Inferential Statistics Fundamentals

• مقدمه ای بر آمار استنباطی Introduction to Inferential Statistics

• توزیع چیست؟ What is a Distribution?

• توزیع عادی The Normal Distribution

• توزیع عادی استاندارد The Standard Normal Distribution

• درک قضیه حد مرکزی Understanding the central limit theorem

• خطای استاندارد Standard Error

• کار با برآوردگرها و برآوردها Working with Estimators and Estimates

فاصله اطمینان Confidence Intervals

• فواصل اطمینان - ابزاری ارزشمند برای تصمیم گیری Confidence Intervals - an Invaluable Tool for Decision Making

• محاسبه فواصل اطمینان در یک جمعیت با واریانس شناخته شده Calculating Confidence Intervals Within a Population with a Known Variance

• شفاف سازی فاصله اطمینان Confidence Interval Clarifications

• توزیع T دانش آموزی Student's T Distribution

• محاسبه فواصل اطمینان در یک جمعیت با واریانس نامشخص Calculating Confidence Intervals Within a Population with an Unknown Variance

• حاشیه خطا چیست و چرا در آمار اهمیت دارد؟ What is a Margin of Error and Why is it Important in Statistics?

• محاسبه فواصل اطمینان برای دو میانگین با نمونه های وابسته Calculating Confidence Intervals for Two Means with Dependent Samples

• محاسبه فواصل اطمینان برای دو روش با نمونه های مستقل (قسمت 1) Calculating Confidence Intervals for Two Means with Independent Samples (Part 1)

• محاسبه فواصل اطمینان برای دو روش با نمونه های مستقل (قسمت 2) Calculating Confidence Intervals for Two Means with Independent Samples (Part 2)

• محاسبه فواصل اطمینان برای دو روش با نمونه های مستقل (قسمت 3) Calculating Confidence Intervals for Two Means with Independent Samples (Part 3)

• مثال عملی: آمار استنباطی Practical Example: Inferential Statistics

آزمایش فرضیه Hypothesis Testing

• فرضیه صفر و جایگزین The Null and the Alternative Hypothesis

• ایجاد یک منطقه رد و یک سطح اهمیت Establishing a Rejection Region and a Significance Level

• خطای نوع اول در مقابل خطای نوع دوم Type I Error Versus Type II Error

• تست میانگین واریانس جمعیت شناخته شده است Test for the Mean; Population Variance Known

• P-Value چیست و چرا یکی از مفیدترین ابزارها برای آماردانان است؟ What is P-Value and Why is it One of the Most Useful Tools for Statisticians?

• تست میانگین واریانس جمعیت نامشخص Test for the Mean; Population Variance Unknown

• تست میانگین نمونه های وابسته Test for the Mean; Dependent Samples

• تست میانگین نمونه های مستقل (قسمت 1) Test for the Mean; Independent Samples (Part 1)

• تست میانگین نمونه های مستقل (قسمت 2) Test for the Mean; Independent Samples (Part 2)

• مثال عملی: آزمون فرضیه Practical Example: Hypothesis Testing

مبانی تحلیل رگرسیون The Fundamentals of Regression Analysis

• مقدمه ای بر تحلیل رگرسیون Introduction to Regression Analysis

• همبستگی و علیت Correlation and Causation

• مدل رگرسیون خطی آسان شد The Linear Regression Model Made Easy

• تفاوت بین همبستگی و رگرسیون چیست؟ What is the Difference Between Correlation and Regression?

• نمایش هندسی مدل رگرسیون خطی A Geometrical Representation of the Linear Regression Model

• یک مثال عملی - یادگیری تقویت شده A Practical Example - Reinforced Learning

ظرافت های تحلیل رگرسیون Subtleties of Regression Analysis

• تجزیه مدل رگرسیون خطی - درک مهره ها و پیچ های آن Decomposing the Linear Regression Model - Understanding its Nuts and Bolts

• R-Squared چیست و چگونه به ما کمک می کند؟ What is R-Squared and How Does it Help Us?

• تنظیم حداقل مربعات معمولی و کاربردهای عملی آن The Ordinary Least Squares Setting and its Practical Applications

• مطالعه جداول رگرسیون Studying Regression Tables

• مدل رگرسیون خطی چندگانه The Multiple Linear Regression Model

• R-Squared تنظیم شده است Adjusted R-Squared

• F-Statistic چه چیزی را به ما نشان می دهد و چرا باید آن را درک کنیم؟ What Does the F-Statistic Show Us and Why Do We Need to Understand It?

مفروضات برای تحلیل رگرسیون خطی Assumptions for Linear Regression Analysis

• مفروضات OLS OLS Assumptions

• A1. خطی بودن A1. Linearity

• A2. بدون درون زایی A2. No Endogeneity

• A3. نرمال بودن و همسانی A3. Normality and Homoscedasticity

• A4. بدون خودهمبستگی A4. No Autocorrelation

• A5. بدون چند خطی A5. No Multicollinearity

برخورد با داده های طبقه بندی شده Dealing with Categorical Data

• متغیرهای ساختگی Dummy Variables

مثال عملی: تحلیل رگرسیون Practical Example: Regression Analysis

• مثال عملی: تحلیل رگرسیون Practical Example: Regression Analysis