Результаты подсчета чего-либо или вероятности возникновения событий - это величины, практически не поддающиеся моделированию при помощи обычных линейных моделей, так как не подчиняются нормальному распределению. Обобщенные линейные модели (Generalized Linear Models, GLM) позволяют обойти это ограничение. В этом курсе мы постараемся с минимальным количеством математики рассказать об устройстве GLM и многочисленных подводных камнях, связанных с анализом. GLM для счетных данных основаны на распределении Пуассона или отрицательном биномиальном распределении. Модели для бинарных данных (например, логистическая регрессия) - на биномиальном распределении. Мы обсудим особенности диагностики моделей, возникающие в зависимости от выбранного распределения. Параметры GLM подбирают при помощи метода максимального правдоподобия, поэтому и аппарат тестирования гипотез и техники упрощения моделей довольно сильно отличаются от привычного для простых линейных моделей. Для анализа данных мы будем использовать язык R, чтобы вы могли лучше разобраться в тонкостях работы с обобщенными линейными моделями. Вас ждут интерактивные задания на платформе Stepic и проект по анализу данных в конце курса. Этот курс для всех, кто хочет научиться строить модели для счетных или бинарных величин. Для успешного прохождения пригодятся базовые представления о регрессионном анализе, умение создавать простейшие .html документы при помощи rmarkdown и knitr.

Oдним из условий применимости обычных линейных моделей является независимость наблюдений друг от друга, на основе которых подбирается модель. Однако на практике часто встречаются ситуации, когда дизайн сбора материала таков, что нарушение этого условия неизбежно. Представьте, что вы решили построить модель, описывающую связь успеваемости по физкультуре и величины IQ теста у студентов. Для решения этой задачи вы сделали многочисленные выборки в нескольких институтах. Можно ли объединить такие данные в один анализ, построенной по традиционной схеме? Конечно нет. Студенты в каждом вузе могут быть в чем-то сходными друг с другом. Даже характер связи между изучаемыми величинами может быть несколько разным. Такого рода данные, в которых присутствуют внутригрупповые корреляции, стоит анализировать при помощи смешанных линейных моделей. Мы покажем, что некоторые предикторы стоит включать в модель в качестве так называемых “случайных факторов”. Вы узнаете, что случайные факторы могут быть иерархически соподчинены. Мы обсудим, как такие смешанные модели могут быть построены для зависимых переменных подчиняющихся разным типам распределений. Кроме того, мы покажем, что случайная часть модели может быть устроена еще сложнее - в ней может быть компонент, моделирующий поведение дисперсии в ответ на влияние ковариаты. В конце курса вас ждет проект, в котором вы сможете потренироваться в построении смешанных моделей, выбрав один из нескольких датасетов. На основе анализа этих данных вы сможете создать отчет, выдержанный в традициях воспроизводимого исследования. Этот курс поможет научиться строить модели со случайными факторами для величин с разными типами распределений. Чтобы легче осваивать материалы курса, вам пригодятся базовые представления о линейных моделях (общих и обобщенных), базовые знания R и умение создавать простейшие .html документы при помощи rmarkdown и knitr.

В этом курсе мы изучим основы математической статистики и аккуратную работу с данными. Мы научимся собирать и обрабатывать данные с помощью Python, поговорим про их визуализацию и предварительный анализ. Мы также познакомимся с основными распределениями и описательными статистиками, с которыми аналитики сталкиваются на повседневной основе. И обсудим теоремы, на которых базируется вся наука о данных: закон больших чисел и центральную предельную теорему.

Этот курс знакомит вас с основами проверки гипотез, процедурами множественной проверки гипотез, которые контролируют некоторый показатель качества применяемой процедуры, используя имеющиеся наблюдения или данные. В течение курса помимо теоретических аспектов будут рассмотрены реальные прикладные задачи, а также предложен ряд практических заданий, успешное выполнение которых поможет глубже разбораться в изучаемом материале.

Actualmente la probabilidad se ha convertido en una disciplina fundamental para científicos, ingenieros, economistas y administradores. La probabilidad es una poderosa herramienta, pero es, ante todo, una forma de pensar. Tanto en el mundo de los negocios, como en el campo de la salud y en las ciencias sociales, entre otros, cada vez es más relevante el entendimiento de los fenómenos y situaciones de naturaleza probabilística (no determinística), y de desarrollar modelos basados en el análisis de datos para cuantificar el riesgo con el propósito de tomar mejores decisiones. Es entonces importante entender los conceptos básicos sobre los cuales se establecen los pilares de esta disciplina, los cuales permitirán más adelante convertir la probabilidad en una herramienta básica para la conceptualización y la solución de problemas reales. El curso tiene como objetivo principal que los participantes adquieran una formación sólida en los conceptos más importantes de probabilidad, y sus aplicaciones. Se hace especial énfasis en que los participantes logren una adecuada comprensión y utilización de los modelos de naturaleza probabilística en la solución de problemas de la vida real que comportan riesgo e incertidumbre. El curso tiene un buen balance entre el rigor en el tema y la presentación del contenido de una forma simple, con base en ejemplos sencillos basado en situaciones reales, y cuenta con videos y ejercicios orientados a facilitar la comprensión de los conceptos que se cubren.

Os testes estatísticos não-paramétricos são métodos que têm maior relevância nas ciências sociais aplicadas, pois permitem trabalhar com pequenas amostras ou amostras das quais não se tenha certeza de que sejam provenientes de população com distribuição normal, assumindo poucas hipóteses sobre a distribuição de probabilidade da população. Estes testes são adequados para apoiar a tomada de decisão dentro das organizações em situações nas quais não seja atendido algum dos requisitos para a aplicação dos testes estatísticos paramétricos, como o teste Z, o teste T, e o teste F de análise de variância – ANOVA, que dependem: (i) da condição de a amostra ter sido extraída de uma população distribuída de acordo com distribuição normal (de Gauss); (ii) da escala de medida da variável aleatória ser contínua; e (iii) do tamanho da amostra ser maior do que 30 observações. Neste sentido, este curso irá abordar as principais técnicas não-paramétricas incluindo: testes de hipótese não-paramétricos para uma amostra, duas ou mais amostras relacionadas, duas ou mais amostras independentes e suas aplicações. Ao terminar o curso, você terá aumentado significativamente seu repertório de técnicas estatísticas com base nestes testes não-paramétricos para o adequado apoio a tomada de decisão.

La toma de decisiones está en la esencia de los negocios. Gerenciar es tomar decisiones, muchas veces bajo presión, con información desordenada y en un contexto de incertidumbre. Un aspecto básico es entender y analizar la información, organizar los datos de forma de facilitar su posterior uso y la toma de decisiones. Si bien hay muchas otras dimensiones que entran en juego, el primer paso es formular bien el problema, estructurarlo y procesar la información. En este sentido, el principal objetivo de este curso es ayudarlo a ser un mejor tomador de decisiones a través de herramientas técnicas. A lo largo de este curso el alumno desarrollará habilidades cuantitativas para la toma de decisiones, a través del aprendizaje de métodos estadísticos con aplicaciones a los negocios en Excel. El foco está en la comprensión y en el uso de herramientas básicas de análisis e inferencia estadística tratando de que el alumno sea un usuario de estos métodos, comprenda en qué consisten, cuál es la intuición, su uso y aplicaciones.

Курс “Методология научных исследований и котики” знакомит с основами исследовательской деятельности. В нем описан полный цикл проведения научных исследований - от постановки научной проблемы до публикации статьи. Вы узнаете, чем отличаются научные исследования от ненаучных и познакомитесь с базовыми типами исследований и основами статистической обработки данных. Курс позволит вам научиться: a. Ставить научную проблему и гипотезу, б. Искать и анализировать статьи в научных базах данных, в. Проектировать дизайн исследования, г. Обрабатывать и грамотно интерпретировать полученные данные, д. Описывать результаты исследования в статьях и научных докладах. Помимо этого, в курсе показаны некоторые тонкости и практические приемы, значительно облегчающие работу исследователю. Каждая глава курса подкрепляется забавными и полезными практическими заданиями, а итоговым заданием курса будет написание почти настоящей научной статьи. Главная фишка курса - все основные идеи объясняются на котиках. Поэтому курс получился доступным для понимания максимально широкой аудитории. Курс будет полезен студентам естественно-научных и социо-гуманитарных специальностей (биологам, социологам, психологам, медикам), начинающим исследователям и аналитикам .

El curso está orientado a profesionales de diferentes campos, que estén interesados en adquirir conceptos fundamentales de estadística aplicada. El contenido del curso será particularmente útil para profesionales que estén interesados en adelantar estudios de postgrado en ingeniería, administración o economía, entre otras profesiones, y que requieran de una adecuada fundamentación en estadística. También será de utilidad para estudiantes universitarios que deseen reforzar o complementar su formación básica en estadística, aprovechando los diferentes recursos con los que cuenta este MOOC. o La estadística es un campo de la matemática aplicada que se ocupa de la recolección, descripción y análisis de datos. Actualmente, esta disciplina no es solo fundamental para el ejercicio de la ingeniería, la economía y las ciencias básicas, sino que cada vez es más importante en aspectos de la vida moderna. Múltiples artículos son publicados diariamente en periódicos y revistas a través de los cuales se pretenden explicar tendencias sociales o económicas, siendo evidente que la estadística no solo es importante para ser un buen profesional, sino también para ser un miembro de la sociedad bien informado. o Las aplicaciones de la Estadística van desde la organización de grandes cantidades de datos, pasando por la caracterización de los clientes de una compañía o individuos de una región, hasta el diseño de campañas de mercadotecnia más eficientes, y el desarrollo de políticas sociales. Algo a lo que se atribuye el gran éxito de los japoneses en la industria de la manufactura, durante el siglo XX, es al uso de métodos estadísticos y al pensamiento estadístico del personal gerencial, lo cual permitió enfocar la atención en el análisis y uso de los datos para mejorar la calidad y eficiencia de sus procesos de fabricación. o El curso tiene como objetivo principal que los participantes adquieran una formación sólida en los conceptos más importantes de estadística, y sus aplicaciones. En este curso haremos especial énfasis en que logres una adecuada comprensión del análisis descriptivo de datos estadísticos, así como de los métodos básicos para la estimación de parámetros poblacionales, finalizando con el entendimiento de los modelos de Regresión Lineal Simple y Múltiple, y las oportunidades de aplicación de dichos modelos. o El curso tiene un buen balance entre el rigor en el tema y la presentación del contenido de una forma sencilla, con base en ejemplos que abordan situaciones reales simplificadas, y cuenta con videos y ejercicios orientados a facilitar la comprensión de los conceptos que se cubren en este curso.