Share Description
Курс включает рассмотрение всех основных этапов статистического анализа, начиная от изучения предметной области и правильного сбора данных, заканчивая оценкой адекватности построенной модели и ее интерпретации на языке исходной проблемы. Программа курса построена таким образом, что, начинаясь с основ, будет понятна и доступна слушателям, не имеющим специальной подготовки в области статистического анализа. Однако, по мере продвижения и углубления, в рамках программы рассматриваются более серьезные и глубокие методы исследования. В рамках курса слушатели приобретут базовые навыки работы в программах статистической обработки данных SPSS, Statistica; особый акцент делается на пакет R.
По итогам курса слушатели смогут:
- Проводить предварительную обработку данных для статистических исследований
- Применять статистические методы для анализа данных
- Применять пакеты прикладных программ для реализации статистических методов
- Интерпретировать полученные результаты
Syllabus :
1. Приветственный модуль
- О Томском государственном университете
- Проморолик к онлайн-курсу
- Приветственное видео
2. Знакомство с пакетом R
- Введение в R
- Рабочее пространство в R
- Типы и структуры данных
- Последовательности, векторы
- Матрицы
- Списки, массивы, факторы
- Объекты типа data.frame
- Импорт данных из текстового файла в R
- Экспорт данных в текстовый файл из R
- Экспорт данных из файла Excel
3. Введение. Предварительная обработка данных. Оценки параметров. Описательные статистики
- Измерительные шкалы
- Работа с распределениями, начало работы в R
- Гистограммы и квантильные графики в R
- Диаграмма рассеяния, диаграмма размаха в R
- Основные числовые характеристики в SPSS
- Гистограммы, диаграммы размаха, диаграммы рассеяния в SPSS
- Генерация равномерного распределения в Statistica. Оценка числовых характеристик
- Генерация нормального распределения в Statistica. Оценка числовых характеристик
- Импорт данных из файла Excel в Statistica. Оценка числовых характеристик
- Обработка выбросов в Statistica
4. Проверка статистических гипотез. Сравнение групп. Параметрические и непараметрические критерии
- Критерии нормальности в R
- Параметрические и непараметрические критерии сравнения двух групп в R
- Непараметрические критерии сравнения нескольких групп в R
- Пример в R. Анализ цен за аренду квартир
- Параметрические и непараметрические критерии сравнения двух групп в SPSS
- Непараметрические критерии сравнения нескольких групп в SPSS
- Критерии нормальности в Statistica
- Параметрические и непараметрические критерии сравнения двух групп в Statistica
- Непараметрические критерии сравнения нескольких групп в Statistica
5. Корреляционный анализ
- Парный коэффициент корреляции Пирсона в Statistica
- Ранговая корреляция в Statistica
- Количественная корреляция в SPSS
- Ранговая корреляция в SPSS
- Корреляция в R
- Анализ таблиц сопряженности в R
- Анализ таблиц сопряженности в SPSS
- Анализ таблиц сопряженности в Statistica
6. Регрессионный и дисперсионный анализ
- Линейная модель парной регрессии в R
- Нелинейная модель парной регрессии в R
- Парная регрессия. Пример в R. Анализ цен за аренду квартир
- Множественная регрессия. Пример в R. Анализ цен за аренду квартир
- Анализ остатков регрессионной модели в R
- Парная регрессия в SPSS
- Множественная регрессия в SPSS
- Парная регрессия в Statistica. Построение модели для сгенерированных данных
- Парная регрессия в Statistica. Пример «Индекс массы тела»
- Пример в Statistica. Анализ цен за аренду квартир
- ANOVA в R
- Однофакторный ANOVA в Statistica
- Заключение
