Szczegółowe informacje

  •  
     

    Mathematica

    Wykorzystanie zaawansowanych możliwości obliczeniowych i wizualizacyjnych programu Mathematica do prowadzenia analiz statystycznych.

    Cel kursu:
    Kurs zapozna uczestników z możliwościami zastosowania programu do analiz statystycznych. Omówione zostaną sposoby importu i eksportu danych, wbudowane bazy danych, rodzaje statystyk, przedziały ufności oraz testowanie hipotez. Każdy rozdział kończy się prezezentacją na bazie omawianego tematu, wykonaną w programie Mathematica.

    Czas trwania:
    Szkolenie jednodniowe, w godz. 09:00 - 16:00.

    Miejsce szkolenia:
    Szkolenie odbędzie się w siedzibie firmy Gambit COiS Sp. z o.o. w Krakowie.

    Adresaci kursu:
    Pracownicy nauki oraz osoby zajmujące się w pracy zawodowej analizą statystyczną.

    Wymagania wstępne:
    Umiejętność obsługi programu Mathematica na poziomie podstawowym oraz znajomość zagadnień z zakresu rachunku prawdopodobieństwa i statystyki.

    Program kursu:

    1. Źródła danych
      - polecenie Import
      - baza FinancialData
      - baza CountryData
      - zbiór danych przykładowych ExampleData
      - polecenie RandomVariate
      - dynamiczna prezentacja danych statystycznych
    2. Statystyki opisowe
      - statystyki położenia
      - statystyki rozrzutu
      - statystyki kształtu
      - statystyki wielowymiarowe
      - dynamiczna prezentacja podstawowych statystyk
    3. Wizualizacje statystyczne
      - histogram
      - gładkie estymacje funkcji gęstości
      - wykresy porównawcze
    4. Przedziały ufności
      - przedziały ufności dla średnich
      - przedziały ufności dla podstawowych rozkładów
      - prawdopodobieństwo testowe
      - dynamiczna prezentacja przedziałów ufności
    5. Testowanie hipotez
      - testy zgodności
      - testy położenia
      - testy dla wariancji
      - obiekt HypothesisTestData
      - dynamiczna ilustracja pojęć związanych z testowaniem hipotez
      - ANOVA
      - dynamiczna ilustracja jednoczynnikowej analizy wariancji
    6. Modele statystyczne regresji
      - model liniowy
      - model nieliniowy
      - uogólnione modele liniowe