统计学入门:推断

来自于: 加州大学伯克利分校 | 分类: -

课程描述

本课程将会介绍统计思想,以及如何在随机样本数据的基础上得出有效结论的统计方法,这种统计方法已被广泛运用。

什么是认证证书?
免费学习
认证学习
名师签名
实名认证
权威性
纸质证书
付费购买
免费赠送

课程简介

注意:这门为存档课程 本课程为存档课程,即课程已结束,所以学员只能以自学方式来学习课程内容。虽然部分内容已失效,但多数人仍边看课程视频边结合材料自学。本课程可能会重新开课,敬请留意。 加州大学伯克利分校的Stat2课程为入门课程,每年约有1000名学生选修该课程。Stat2.3x是Stat2x三门课程里的最后一门,Stat2x在线课程相当于加州大学伯克利分校的Stat2课程。Stat2.3x课程的重点为统计干扰,即如何在随即样本数据基础上得出有效结论。课程中涉及的主要问题为一定人口(可假设为一组人)与相关数值量(可假设为MOOCs学员的平均人数)。如果你可以跟这一组人中的每个人交流,就可以准确计算出人数。但是如果这一组人基数太大,你无法与这一组人一一交流时该怎么办?如果你只能接触到其中的一个人数子集该怎么做? Stat 2.3x 将会讨论选择子集(随机方式)的方法;如何根据样本估计相关的数量值;检验某一问题有关数值或概率的假设。 课程要讲述的统计方法为最常用的统计技巧。当Stat 2.3x 课程结束后,你再看到文章中有“这类调查的误差幅度为三个百分点”或“加州大学伯克利分校研究人员发现在…之间有显著关系”这样的内容时,你对它们的含义会相当清楚。课程中所选用的例子范围广泛,从小女孩的学校科学项目(这不是玩笑——她的项目成果在核心期刊上登出过)到美国最高法院的判决。 我们本次授课的方式和Stat2.1x的授课方式相同:没有无止境的公式、方法记忆。本次课程的重点是:了解计算的推理过程,并得出有效计算的设想和结果的正确说明。

展开

课程章节

授课教师

  • Philip B. Stark 加州大学伯克利分校 统计学 教授

    Philip B. Stark 是 UBC 的统计学教授,并为本校开发了第一套网络课程。他已发表的研究涉及宇宙大爆炸、因果推论、普查、地震预测、大选审计、食物网模型、地磁场、老年听力损失、信息检索、互联网内容过滤器、非参数、太阳和地球地震构造、光谱、谱估计,以及复杂系统计算模型的不确定性量化等。他还是美国农业部、商业部、住房和城市发展部、司法部、退伍军人事务部、联邦贸易委员会、加利福尼亚和科罗拉多两州的州务卿、加州总检察长,以及伊利诺伊州检察长提供咨询建议。他还曾在国会和加州立法机关,以及有关就业、环保、平等保护、贷款、知识产权、陪审团挑选、进口限制、保险、自然资源、产品责任、商业秘密,以及广告等方面的诉讼中作证。他从普林斯顿大学本科毕业并从加州大学圣地亚哥分校获得博士学位。

精华笔记

精华笔记正在评选中,去看看全部笔记

常见问题

目前还没有常见问题哟!