Stepik Основы статистики. Часть 2
О курсе
Подробнее
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.
Обратите, пожалуйста, внимание, что данный курс был записан почти 10 лет назад, поэтому материал немного устарел и содержит ряд неточностей. Также некоторые формулировки являются недостаточно корректными.
Требования
Что нужно для старта
- Для успешного прохождения курса потребуются знания статистики на уровне курса Основы статистики.
- Мы также настоятельно рекомендуем познакомиться с основами работы в R перед началом прохождения данного курса. В этом вам могут помочь курсы: Анализ данных в R. Часть один, Часть два и Основы программирования в R.
Аудитория
Для кого этот курс
- Студенты и научные работники всех специальностей, школьники старших классов.
Содержание
3 занятияПрограмма курса
№ТемаЧто внутри
01Анализ номинативных данных
- Общая информация о курсе
- Постановка задачи
- Расстояние Пирсона
- Распределение Хи-квадрат Пирсона
- Расчет p-уровня значимости
- Анализ таблиц сопряженности
- Анализ таблиц сопряженности. Продолжение
- Точный критерий Фишера
- Практические задания на R
02Логистическая регрессия и непараметрические методы
- Логистическая регрессия. Постановка задачи.
- Модель без предикторов. Intercept only model
- Модель с одним номинативным предиктором
- Модель с двумя номинативными предикторами
- Взаимодействие номинативных предикторов
- Когда нужно использовать непараметрические методы и почему?
- Непараметрические методы. Продолжение.
- Практические задания на R
03Кластерный анализ и метод главных компонент
- Кластерный анализ методом k - средних
- Может ли кластерный анализ "ошибаться"?
- Как определить оптимальное число кластеров?
- Иерархическая кластеризация
- Введение в метод анализа главных компонент
- Практические задания на R
- Заключение
01Анализ номинативных данных
- Общая информация о курсе
- Постановка задачи
- Расстояние Пирсона
- Распределение Хи-квадрат Пирсона
- Расчет p-уровня значимости
- Анализ таблиц сопряженности
- Анализ таблиц сопряженности. Продолжение
- Точный критерий Фишера
- Практические задания на R
02Логистическая регрессия и непараметрические методы
- Логистическая регрессия. Постановка задачи.
- Модель без предикторов. Intercept only model
- Модель с одним номинативным предиктором
- Модель с двумя номинативными предикторами
- Взаимодействие номинативных предикторов
- Когда нужно использовать непараметрические методы и почему?
- Непараметрические методы. Продолжение.
- Практические задания на R
03Кластерный анализ и метод главных компонент
- Кластерный анализ методом k - средних
- Может ли кластерный анализ "ошибаться"?
- Как определить оптимальное число кластеров?
- Иерархическая кластеризация
- Введение в метод анализа главных компонент
- Практические задания на R
- Заключение
Документ после выпуска
Институт биоинформатики
Организатор
Автор курса
Мнения учеников
Отзывы о курсе
Оставьте отзыв
Расскажите о качестве обучения, поддержке и результате. Это поможет другим выбрать организацию осознанно.
Оставьте заявку
Консультант ответит на вопросы о курсе «Основы статистики. Часть 2» и поможет разобраться в деталях обучения.
Нажимая кнопку, вы даете согласие на обработку персональных данных
Направления:Математика
Информация обновлена 14 сентября 2026 г.
Продолжить выбор
Похожие курсы
Начать без затрат
