Ce cours présente aux apprenants les principaux concepts et outils permettant de collecter, d'analyser et de tirer des conclusions à partir de données. Voulez-vous acquérir les compétences nécessaires pour explorer les données et faire des inférences statistiques ? Ce cours vous présente la technologie utilisée pour l'investigation, la résolution de problèmes et la rédaction afin de renforcer la compréhension conceptuelle. C'est une excellente option pour ceux qui possèdent déjà des connaissances mathématiques adéquates et une capacité de raisonnement quantitatif. Vous explorerez les statistiques à travers des discussions et des activités, et vous apprendrez à concevoir des enquêtes et des expériences. Apprenez à sélectionner les meilleures méthodes de collecte ou d'analyse des données. Les modèles et les tendances sont assez courants dans les statistiques. Être capable de décrire des modèles, des tendances, des associations et des relations entre les données est très utile pour devenir un statisticien de premier ordre. Le cours vous explique comment utiliser les probabilités et la simulation pour décrire les distributions de probabilité et définir l'incertitude dans les inférences statistiques. Vous verrez comment le raisonnement statistique peut être utilisé pour tirer des conclusions appropriées et justifier des allégations.
En outre, certains concepts servent de base aux statistiques. Vous serez initié aux données dans des contextes réels. La variabilité des données permet de tirer certaines conclusions quant à sa distribution, mais toutes les variations ne sont pas significatives. Dans ce cours, découvrez comment les statistiques nous permettent de développer une compréhension commune de l'incertitude et de la variation. Les apprenants seront en mesure de définir et de représenter des variables catégorielles et quantitatives. Vous allez décrire et comparer les distributions de données à une variable et interpréter des calculs statistiques pour évaluer les allégations concernant des points de données ou des échantillons individuels. Découvrez comment appliquer le modèle de distribution normal aux statistiques. L'accès à un monde de données n'a aucun sens sans la capacité de les organiser et de les analyser. Pour développer ces compétences, les apprenants auront besoin de multiples occasions d'interagir avec des informations présentées sous différents formats. Le cours décrit les modèles et les caractéristiques qui apparaissent dans les données, puis compare les caractéristiques au sein d'un même ensemble. Sur la base de ce qu'ils ont appris, les apprenants explorent les relations dans des ensembles de données catégoriques ou quantitatifs à deux variables. Vous serez en mesure d'utiliser des méthodes graphiques et numériques pour étudier une association entre deux variables catégorielles. Vous serez en mesure de décrire la forme, la direction, la force et les caractéristiques inhabituelles d'une association entre deux variables quantitatives.
Selon la manière dont les données sont collectées, il se peut que nous ne soyons pas en mesure de généraliser les résultats ou d'établir des preuves de relations causales. Découvrez les principes importants de l'échantillonnage et de la conception expérimentale dans ce cours. Le raisonnement probabiliste permet aux statisticiens de quantifier la probabilité d'événements aléatoires à long terme et de faire des inférences statistiques. Vous serez en mesure de discuter des simulations et des calculs abstraits de probabilité, et de développer votre compréhension des distributions de données simulées ou empiriques. Vous découvrirez ensuite les principes fondamentaux de la probabilité utilisés pour représenter, interpréter et calculer les paramètres des distributions de probabilité théoriques pour des variables aléatoires discrètes. Le cours décrit le raisonnement probabiliste de l'échantillonnage et présente aux apprenants les distributions d'échantillonnage des statistiques utilisées pour effectuer des inférences. Vous découvrirez comment les statistiques d'échantillonnage peuvent être utilisées pour estimer les paramètres de population correspondants, les mesures du centre (moyenne) et de la variabilité (écart type). Découvrez comment les distributions d'échantillonnage peuvent être déterminées directement à partir des paramètres de population. Le cours approfondit en examinant les différents outils de visualisation des données, qui est l'un des deux principaux moyens de condenser des ensembles de données et de créer des résultats consommables. Vous découvrirez les nombreux avantages de l'utilisation des métriques comme méthode d'interprétation des données. Préparez-vous à des cours avancés en statistiques ou dans d'autres domaines utilisant le raisonnement statistique ? Alors commencez ce cours aujourd'hui.
What You Will Learn In This Free Course
View All Learning Outcomes View Less All Alison courses are free to enrol study and complete. To successfully complete this course and become an Alison Graduate, you need to achieve 80% or higher in each course assessment. Once you have completed this course, you have the option to acquire an official , which is a great way to share your achievement with the world.
Your Alison is:
- Ideal for sharing with potential employers
- Great for your CV, professional social media profiles and job applications.
- An indication of your commitment to continuously learn, upskill & achieve high results.
- An incentive for you to continue empowering yourself through lifelong learning.
Alison offers 3 types of s for completed courses:
- Digital : a downloadable in PDF format immediately available to you when you complete your purchase.
- : a physical version of your officially branded and security-marked
All s are available to purchase through the Alison Shop. For more information on purchasing Alison , please visit our FAQs. If you decide not to purchase your Alison , you can still demonstrate your achievement by sharing your Learner Record or Learner Achievement Verification, both of which are accessible from your Account Settings.