Курс «Теория вероятностей и математическая статистика»

Направление
Data Science
Формат
Видео в записи
Домашние задания
Есть
Итоговый экзамен
Нет
Количество уроков
8
Документ об обучении
Сертификат
Обратная связь
Есть
Доступ
Сразу после покупки
Последнее обновление 17.05.2022

О курсе

Вторая часть математической подготовки будущего Data Scientist-a.
Знакомимся с математической статистикой и применением ее в Data Science.
Курс входит в программу факультета искусственного интеллекта.

Программа курса

  1. Что такое случайное событие. Понятие статистической вероятности. Классическое определение вероятности. Формулы комбинаторики. Виды случайных событий. Понятие условной вероятности. Формула полной вероятности.
  2. Что такое дискретная случайная величина. Закон распределения вероятностей. Биномиальное распределение. Распределение Пуассона.
  3. Понятия генеральной совокупности и выборки. Математическое ожидание. Дисперсия, среднее квадратичное отклонение. Смещенная и несмещенная оценка дисперсии. Понятия моды, медианы, квартиля, перцентиля, дециля, квантиля. Построение гистограммы, boxplot.
  4. Непрерывные случайные величины. Функция и плотность распределения вероятностей. Равномерное распределение. Нормальное распределение. Центральная предельная теорема.
  5. Что такое статистическая гипотеза. Нулевые и альтернативные гипотезы. Статистические критерии для проверки гипотез. Доверительные интервалы. А/B тестирование.
  6. Что такое корреляция. Коэффициент корреляции. Взаимосвязь величин. Ковариация. Ограничения корреляционного анализа.
  7. Для чего применяют многомерный анализ. Что такое линейная регрессия. Коэффициент детерминации. F-критерий Фишера. t-статистика Стьюдента.
  8. Однофакторный дисперсионный анализ. Двухфакторный дисперсионный анализ. Логистическая регрессия.

Другие курсы по этой теме

Помогите нам улучшить наш сервис, поделитесь своим опытом, пройдя небольшой опрос. Он займет у вас не больше 5 минут.
Пройти опрос