Математика и статистика для аналитика на Python

Научитесь разбираться в основах математической статистики, различать типы измерений, работать с выборками и распределениями, а также формулировать и проверять статистические гипотезы.

Темы:

• Математическая статистика

• Измерения

• Выборка 

• Распределения

• Статистические гипотезы
  
   

Освоите методы проверки гипотез с помощью параметрических и непараметрических критериев для разных типов выборок.

Темы:

• Статистические критерии

• Непараметрические критерии для независимых выборок

• Непараметрические критерии для зависимых выборок

• Критерии согласия распределений

• Параметрические критерии различий

На практике примените статистические критерии для анализа бизнес-кейса: рассчитаете результаты A/B-тестов онлайн-баннеров и оцените метрики эффективности.

Темы:

• Метрики для отслеживания успешных онлайн-баннеров

• Расчет результатов A/B-тестирования онлайн-баннеров
   

Научитесь использовать дисперсионный анализ (ANOVA) для сравнения средних значений между группами и решать задачи дисперсионного анализа.

Темы:

• Дисперсия и дисперсионный анализ

• «Рецепт» проведения ANOVA

• Решение задачи с помощью ANOVA
   

Разберетесь, как оценивать силу и направление связи между переменными и интерпретировать коэффициенты корреляции.

Темы:

• Корреляционный анализ

• Корреляции

• Методы корреляционного анализа

• Применение корреляционного анализа
   

Научитесь строить и интерпретировать линейные регрессионные модели, оценивать качество модели и проверять допущения.

Темы:

• Регрессионный анализ

• Основы регрессии и типы регрессии

• Линейная регрессия

• Этапы линейной регрессии

• Метод наименьших квадратов

• Допущения линейной регрессии

• Оценка качества модели

Освоите методы снижения размерности и выявления скрытых структур в данных с помощью факторного анализа и PCA.

Темы:

• История факторного анализа

• Идея факторного анализа

• Задачи и ограничения факторного анализа

• Этапы факторного анализа

• Метод главных компонент (PCA)
   

Разберетесь с математическими основами анализа данных: матрицами, векторами, линейными уравнениями и множествами.

Темы:

• Основные понятия линейной алгебры

• Матрицы

• Линейные уравнения

• Векторы

• Основные понятия теории множеств

• Операции над множествами

Научитесь формулировать задачи оптимизации, искать экстремумы функций и познакомитесь с элементами теории игр на примере модели Курно.

Темы:

• Что такое математическая оптимизация

• Постановка задачи оптимизации

• Экстремум функции одной переменной

• Экстремум функции двух переменных

• Теория игр: модель дуополии Курно