Masz dane. Chciałbyś (chciałabyś) wyciągnąć wnioski, zaprezentować je i wykorzystać, aby zwiększyć sprzedaż czy poprawić funkcjonowanie przedsiębiorstwa. Nie wiesz jak to zrobić? Nie masz odpowiedniego narzędzia? Na tym szkoleniu poznasz i (podstawowe) metody i (darmowe) narzędzie: R.

System statystyczny R jest potężnym i darmowym narzędziem. Stosowany jest praktycznie we wszystkich dziedzinach. Jeśli go nie znasz, to dowiedz się, dlaczego warto używać R.

W czasie szkolenia przedstawimy podstawowe metody analizy danych. Każdy dział szkolenia ilustrowany jest ćwiczeniami praktycznymi bazującymi na rzeczywistych danych biznesowych. Dzięki temu uczestnicy szkolenia zdobywają praktyczne umiejętności w analizie danych oraz zapoznają się z typowymi problemami, które pojawią się podczas pracy z danymi.


Czego się nauczysz?

  • Prezentować graficznie dane.
  • Wyciągać wnioski z zestawień.
  • Testować hipotezy statystyczne.
  • Budować modele regresji liniowej.
  • Wszystko przećwiczysz w praktyce na komputerze.
  • Otrzymasz obszerne materiały umożliwiające samodzielną późniejszą pracę, w tym skrypty R.


Dla kogo jest to szkolenie?

Dla wszystkich, którzy analizują dane.


Skrót programu szkolenia

  • Podstawy praktycznej analizy danych: przygotowanie danych i analiza opisowa
  • Podstawy statystyki, rozkłady zmiennych losowych oraz próbkowanie danych
  • Elementy wnioskowania statystycznego
  • Model regresji liniowej


Program szkolenia

  1. Podstawy praktycznej analizy danych: przygotowanie danych i analiza opisowa
    • rodzaje cech statystycznych – cechy jakościowe i ilościowe
    • przygotowanie danych do analiz (wybór podzbiorów, standaryzacja, proste przekształcenia)
    • grupowanie danych (tablice wielodzielcze, tabele przestawne)
    • analiza opisowa danych – podstawowe wskaźniki i ich własności
    • grafika w analizie opisowej – użyteczne wykresy i ich interpretacja (histogramy, wykresy słupkowe i kołowe, wykres pudełkowy, wykresy rozrzutu i inne)
    • wizualizacja danych kategorycznych
    • problem jakości danych: obserwacje brakujące i nietypowe
    • przykłady analizy opisowej dla danych rzeczywistych
  2. Podstawy statystyki, rozkłady zmiennych losowych oraz próbkowanie danych
    • czym jest statystyka?
    • możliwe cele i rodzaje badań statystycznych
    • etapy w badaniu statystycznym
    • podstawy modeli statystycznych – zmienne losowe dyskretne i ciągłe oraz ich rozkłady.
    • metody doboru próby
  3. Elementy wnioskowania statystycznego
    • podstawy weryfikacji hipotez statystycznych – idea testowania hipotez, zastosowania praktyczne i przegląd najpopularniejszych testów statystycznych (testy istotności, zgodności i niezależności).
    • estymacja parametrów
    • przedziały ufności
    • testowanie hipotez statystycznych dla jednej populacji
    • testowanie hipotez statystycznych dla dwóch populacji
    • sprawdzanie hipotez statystycznych w praktyce
    • przykłady zastosowania metod wnioskowania statystycznego dla danych rzeczywistych
    • analiza wariancji
    • wybrane metody nieparametryczne
  4. Model regresji liniowej
    • analiza zależności dwóch zmiennych ilościowych
    • ocena zależności zmiennych ilościowych: współczynnik korelacji i wykres rozrzutu
    • prosty model regresji liniowej: założenia i ograniczenia modelu, interpretacja
    • dopasowanie i diagnostyka modelu
    • porównanie i wybór najlepszego modelu
    • regresja wielokrotna
    • wybór zmiennych do budowy modelu
    • wykorzystanie dopasowanego modelu do prognozowania
    • praktyczna analiza korelacji i regresji na przykładach danych rzeczywistych

Spróbuj ponownie