Zaawansowana Statystyka z wykorzystaniem programu R

Obecnie kurs nie jest prowadzony. Po więcej informacji o aktualnych kursach i szkoleniach zapraszamy tutaj:

Kursy R: https://labmasters.pl/kursy-otwarte/r/

Kursy Excel: https://labmasters.pl/kursy-otwarte/excel/

Kursy VBA: https://labmasters.pl/kursy-otwarte/vba/

Kursy SQL: https://labmasters.pl/kursy-otwarte/sql/

z poważaniem

Piotr Ćwiakowski

Kurs dedykowany jest dla osób chcących zgłębić wiedzę z zakresu stosowania narzędzi statystycznych i ekonometrycznych do analizy danych.

Omawiane na zajęciach zagadnienia mają charakter zaawansowany, dlatego od Słuchaczy oczekiwana jest podstawowa znajomość statystyki matematycznej (umiejętność przeprowadzania podstawowych testów statystycznych, niekoniecznie w programie R). Kurs ma charakter interdyscyplinarny, wykorzystując do analizy dane z różnych dziedzin, jak i interaktywny, gdyż wszystkie zajęcia mają formę warsztatów w sali komputerowej, gdzie na bieżąco każdy Słuchacz może wykonywać omawiane komendy w R. Wszystkie materiały do zajęć przygotowywane są w programie R – obecnie najpopularniejszym i bezpłatnym oprogramowaniu do zaawansowanych analiz statystycznych. Kurs nie wymaga wcześniejszej znajomości pakietu R, choć niewątpliwie doświadczenie w pracy z jakimkolwiek programem statystycznym lub programem wykorzystującym linię komend będzie przydatną umiejętnością. Przedstawione w trakcie kursu narzędzia pozwalają rozwinąć zaawansowane umiejętności prowadzenia badań statystyczno-ekonometrycznych.

Szczegółowa tematyka kursu:

1. Wprowadzenie do R:

  • operacje na danych,
  • wizualizacja danych.

2. Zaawansowane testowanie statystyczne:

  • konstrukcja testu statystycznego,
  • analiza ANOVA, ANCOVA, MANOVA,
  • zaawansowane testy nieparametryczne.

3. Analiza współzależności:

  • korelacja parametryczna i nieparametryczna,
  • testy zgodności i niezależności,
  • analiza korespondencji.

4. Klasyczny model regresji liniowej – zagadnienia zaawansowane:

  • budowa zaawansowanego modelu,
  • diagnostyka modelu regresji liniowej.

5. Modelowanie zmiennych dyskretnych:

  • modelowanie zmiennej binarnej (probit/logit),
  • modelowanie zmiennej dyskretnej o wielu poziomach.

6. Statystyka Wielowymiarowa:

  • analiza Głównych Składowych,
  • metody klasteryzacji danych,
  • drzewa klasyfikacyjne.

 

Warsztaty w sali komputerowej, 30 godzin