Det här kapitlet inleder kursen med en genomgång av betingade sannolikheter, Bayes sats och centrala gränsvärdessatsen. Du lär dig också att hantera frågor som rör vanligt förekommande sannolikhetsfördelningar.

Betingade sannolikheter

Sätta upp problem

Bayes sats i praktiken

Centrala gränsvärdessatsen

Urval från ett tärningskast

Simulera centrala gränsvärdessatsen

Sannolikhetsfördelningar

Bernoullifördelning

Binomialfördelning

Normalfördelningen

Sannolikhet och samplingfördelningar

I det här kapitlet förbereder du dig på statistiska begrepp inom explorativ dataanalys. Ämnena inkluderar deskriptiv statistik, hantering av kategoriska variabler och samband mellan variabler. Övningarna förbereder dig inför en analytisk bedömning eller en kodningsfråga med statistikfokus.

Deskriptiv statistik

Medelvärde eller median

Standardavvikelse för hand

Kategoriska data

Kodningstekniker

Utforska laptop-priser

Två eller fler variabler

Typer av samband

Pearsons korrelation

Känslighet för extremvärden

Explorativ dataanalys

Här fördjupar du dig i centrala begrepp inom experiment och testning – konfidensintervall, hypotestestning, multipla tester samt vilken roll teststyrka och urvalsstorlek spelar. Vi tar också upp olika typer av fel och vad de innebär i praktiken.

Konfidensintervall

Konfidensintervall för hand

Tillämpa konfidensintervall

Hypotesprövning

Ensidig z-test

Tvåsidigt t-test

Teststyrka och urvalsstorlek

Påverkan på Typ II-fel

Beräkna urvalsstorlek

Visualisera sambandet

Multipla tester

Beräkna felfrekvenser

Bonferroni-korrigering

Statistiska experiment och signifikanstestning

Som avslutning behandlar vi begrepp med nära koppling till regressions- och klassificeringsmodeller. Kapitlet börjar med en genomgång av grundläggande maskininlärningsalgoritmer och ökar sedan progressivt till modellutvärdering, hantering av specialfall och bias-varians-avvägningen.

Regressionsmodeller

Linjär regression

Logistisk regression

Utvärdera modeller

Utvärdering av regression

Utvärdering av klassificering

Saknade värden och outliers

Hantera null-värden

Identifiera avvikande värden

Kompromissen mellan bias och varians

Test- och träningsfel

Visualisera avvägningen

Sammanfattning

Regression och klassificering

Vill du ta nästa steg i karriären eller hålla dina statistikkunskaper på topp? Här får du genomgång av klassiska intervjuämnen – från betingade sannolikheter och A/B-testning till bias-varians-avvägningen, och mycket mer. Du arbetar med en varierad samling datamängder, bland annat resultat från webbaserade experiment och australiensiska väderdata. Efter kursen är du redo att gå in i nästa intervju och hantera vilka statistikfrågor som helst med hjälp av Python!

Hypothesis Testing in Python

Supervised Learning with scikit-learn

Förbered dig för statistikintervjun: granska villkorliga sannolikheter, A/B-test, bias-varians.

Öva på statistikintervjufrågor i Python

Förbered dig inför nästa statistikintervju genom att gå igenom begrepp som betingade sannolikheter, A/B-testning, bias-varians-avvägningen och mer. 

Test- och träningsfel

Öva på statistikintervjufrågor i Python

Interaktiv övning med praktiskt arbete