Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.
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.
Анализ номинативных данных
1.1 Общая информация о курсе
1.2 Постановка задачи
1.3 Расстояние Пирсона
1.4 Распределение Хи-квадрат Пирсона
1.5 Расчет p-уровня значимости
1.6 Анализ таблиц сопряженности
1.7 Анализ таблиц сопряженности. Продолжение
1.8 Точный критерий Фишера
1.9 Практические задания на R
Логистическая регрессия и непараметрические методы
2.1 Логистическая регрессия. Постановка задачи.
2.2 Модель без предикторов. Intercept only model
2.3 Модель с одним номинативным предиктором
2.4 Модель с двумя номинативными предикторами
2.5 Взаимодействие номинативных предикторов
2.6 Когда нужно использовать непараметрические методы и почему?
2.7 Непараметрические методы. Продолжение.
2.8 Практические задания на R
Кластерный анализ и метод главных компонент
3.1 Кластерный анализ методом k - средних
3.2 Может ли кластерный анализ "ошибаться"?
3.3 Как определить оптимальное число кластеров?
3.4 Иерархическая кластеризация
3.5 Введение в метод анализа главных компонент
3.6 Практические задания на R
3.7 Заключение
Anatoliy Karpov, Ivan Ivanci and Polina Drozdova
Get personalized course recommendations, track subjects and courses with reminders, and more.
