Дополнительные и аналогичные курсы

1. Introduction to Statistics

This course is designed to explain the fundamental of statistics. The course contains four weeks or four modules. The first module is devoted to the main concepts of statistics and data analysis. First of all we will introduce the concepts of sample,  general population, descriptive statistics and normal distribution. At the end of the first module we will discuss the idea of statistical inference, one of the most important topics of our course. If you have just started to study statistics look more closely at the first week. All the lessons of the first module are extremely important to enable you to understand the rest of the course and more complicated concepts and methods of statistics. Each module contains lessons with short theoretical video lectures mixed with practical problems.

https://stepik.org/course/701/promo

2. Математическая статистика

В рамках данного курса вы научитесь визуализировать данные; на основе наблюдаемых данных строить оценки неизвестных параметров распределения; узнаете, какие оценки являются хорошими; научитесь проверять гипотезы о законе распределения и параметрах распределения; сравнивать параметры распределений нескольких случайных величин, выявлять наличие и вид зависимостей  между случайными величинами по данным наблюдений. Теоретический материал сопровождается модельными примерами и примерами из реальной жизни. 

https://stepik.org/course/326/promo

3. Обработка экспериментальных данных

Для решения задач обработки данных используются различные статистические методы: проверка гипотез, оценивание параметров и числовых характеристик случайных величин и процессов, корреляционный и дисперсионный анализ. Чтобы решение задачи было проведено качественно, необходимо провести предварительную обработку данных, для того чтобы не возвращаться повторно к решению той или иной задачи после получения результатов на последующем этапе обработки. Чтобы понять, с помощью, какой программы, или каким методом проводить обработку данных, необходимо помнить, что при наблюдении и проведении эксперимента встречаются ошибки грубые, систематические и случайные. В зависимости от точности и сложности эксперимента выбираются и методы обработки данных. Если эксперимент не предполагает особой точности и сложности можно выбрать простую программу и провести статистическую обработку, если же необходима высокая точность измерения, то и программу необходимо выбирать более сложную. Другими словами технология обработки экспериментальных данных зависит от того результата, к которому Вы стремитесь.

https://www.intuit.ru/studies/courses/11246/1131/info

4. Основы математической статистики

В курсе рассматриваются: вопросы теории и практики проверки статистических гипотез; методы выборочного исследования; доверительное оценивание и проверка гипотез в гауссовских одновыборочных и двухвыборочных моделях; доверительное оценивание и проверка гипотез в одно- и двухвыборочным моделях: непараметрический случай; проверка однородности в двухвыборочной модели: непараметрический случай; проверка гипотезы о равенстве математических ожиданий двух выборок на основе критерия Вилкоксона и равенстве дисперсий на основе критерия Ансари-Бредли; сравнение статистических критериев.

5. Основы статистики

В рамках трехнедельного курса рассматриваются подходы к описанию получаемых в исследованиях данных, основные методы и принципы статистического анализа, интерпретация и визуализация получаемых результатов. Слушатели познакомятся с такими методами статистического анализа как дисперсионный, регрессионный и кластерный анализ. Мы научимся сравнивать группы между собой, рассчитывать коэффициенты корреляции и строить регрессионные уравнения. 
Основной акцент делается на математических идеях, интуиции и логике, которые обуславливают методы и расчетные формулы. Изученный материал будет применим для решения широкого круга задач, возникающих в рамках исследовательской работы практически любого направления. 

часть первая

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.

часть вторая

В данном курсе мы завершаем введение в наиболее распространенные методы анализа данных. Мы подробнее разберем методы регрессионного анализа, уделив особое внимание методам диагностики регрессионных моделей. Познакомимся с такими продвинутыми методами как смешанные регрессионные модели, узнаем что такое bootstrap и как его применять для проверки гипотез. Помимо теоретических заданий слушателей ожидают практические задачи, которые необходимо выполнять, используя язык программирования R. Данный курс будет полезен как для слушателей из академических, так и из прикладных областей.

часть третья

6. Прикладная статистика

https://www.intuit.ru/studies/courses/546/402/info

7. Прикладной статистический анализ

Целью курса является освоение статистической методологии сбора и обработки данных из различных источников, построения статистических моделей, формирования выводов и наглядного представления результатов анализа. Даются необходимые сведения из теории вероятностей и математической статистики. Приводятся примеры решения прикладных задач с использованием современного инструментария. Курс будет полезен широкому кругу студентов и специалистов, работающих со статистической информацией.

https://openedu.ru/course/hse/STATAN/

8. Статистика

Вариант первый

Наряду с изложением теории статистики приведены примеры расчетов основных показателей, вопросы и тесты для самопроверки, а также практические задания.

https://www.intuit.ru/studies/courses/3595/837/info

Рассматриваются основные приёмы и методы сбора, обработки и анализа статистических данных. Излагаются методы обобщения статистических данных. Приводятся способы выявления взаимосвязи между показателями.

9. Статистические методы анализа данных

Рассматриваются дисперсионный анализ, регрессионный анализ, факторный анализ, методы непараметрического анализа данных.

10. Теория вероятностей и математическая статистика

В курсе рассматриваются следующие вопросы. Схема Лапласа и классическое определение вероятности. Комбинаторика. Схема Бернулли. Основные распределения и характеристики случайных величин. Рассмотрены также прикладные разделы математической статистики.