Este curso faz parte do Programa de cursos integrados Data Science Foundations: Statistical Inference

4.3

estrelas

39 classificações

Jem Corcoran

3.398 já se inscreveram

oferecido por

Parte da graduação Master of Science in Data Science
Saiba mais

Programa de cursos integrados Data Science Foundations: Statistical InferenceUniversidade do Colorado em Boulder

Informações sobre o curso

35.068 visualizações recentes

This course introduces statistical inference, sampling distributions,  and confidence intervals. Students will learn how to define and construct  good estimators, method of moments estimation, maximum likelihood estimation, and methods of constructing confidence intervals that will extend to more general settings.  
This course can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder.

Logo adapted from photo by Christopher Burns on Unsplash.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 2 de 3 no

Programa de cursos integrados Data Science Foundations: Statistical Inference

Nível intermediário

Sequence in calculus up through Calculus II (preferably multivariate calculus) and some programming experience in R.

Aprox. 28 horas para completar

Inglês

O que você vai aprender

Identify characteristics of “good” estimators and be able to compare competing estimators.
Construct sound estimators using the techniques of maximum likelihood and method of moments estimation.
Construct and interpret confidence intervals for one and two population means, one and two population proportions, and a population variance.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 2 de 3 no

Programa de cursos integrados Data Science Foundations: Statistical Inference

Nível intermediário

Sequence in calculus up through Calculus II (preferably multivariate calculus) and some programming experience in R.

Aprox. 28 horas para completar

Inglês

Instrutores

Classificação do instrutor

4,5/5 (14 classificações)

Jem Corcoran

Associate Professor

Applied Mathematics

14.950 aprendizes

3 Cursos

oferecido por

Universidade do Colorado em Boulder

Comece a trabalhar rumo ao seu mestrado

Este curso é parte da graduação 100% on-line Master of Science in Data Science da Universidade do Colorado em Boulder. Caso seja aceito para o programa completo, seus cursos contarão para sua graduação.

Saiba mais

Programa - O que você aprenderá com este curso

Semana

Semana 1

1 hora para concluir

Start Here!

1 hora para concluir

1 vídeo (Total 7 mín.), 3 leituras

7 horas para concluir

Point Estimation

In this module you will learn how to estimate parameters from a large population based only on information from a small sample. You will learn about desirable properties that can be used to help you to differentiate between good and bad estimators. We will review the concepts of expectation, variance, and covariance, and you will be introduced to a formal, yet intuitive, method of estimation known as the "method of moments".

7 horas para concluir

10 vídeos (Total 153 mín.), 11 leituras, 5 testes

10 videos

Discrete Random Variables and Probability Mass Functions11min

Continuous Random Variables and Probability Density Functions7min

Joint Distributions and Independence10min

The Gamma Distribution17min

Transformations of Distributions20min

Expectation and Properties of Expectation16min

Variance and Covariance17min

Estimators and Sampling Distributions15min

Distributions of Sums22min

Method of Moments Estimators13min

11 leituras

Important Discrete Distributions10min

Important Continuous Distributions20min

Table Summarizing Important Distributions 10min

Joint Distributions10min

Video Slides: The Gamma Distribution15min

Video Slides for Transformations of Distributions

Video Slides for Expectation and Properties of Expectation

Video Slides for Variance and Covariance

Video Slides for Estimators and Sampling Distributions

Video Slides for Distributions of Sums

Video Slides for Method of Moments Estimators

4 exercícios práticos

Recognizing Discrete Distributions15min

Calculations with Continuous Distributions25min

Probability, Expectation, and Variance30min

Method of Moments Estimation30min

Semana

Semana 2

4 horas para concluir

Maximum Likelihood Estimation

4 horas para concluir

5 vídeos (Total 67 mín.), 5 leituras, 3 testes

5 videos

A Motivating Example8min

Notation, Terminology, and First Complete Examples13min

MLEs for Multiple and Support Parameters17min

The Invariance Property20min

Mean Squared Error, Bias, and Relative Efficiency7min

5 leituras

Video Slides for A Motivating Example

Video Slides for Notation, Terminology, and First Complete Examples

Video Slides for MLEs for Multiple and Support Parameters

Video Slides for The Invariance Property

Video Slides for Mean Squared Error, Bias and Relative Efficiency

2 exercícios práticos

Finding MLEs30min

Invariance, Mean-Squared Error, and Efficiency30min

Semana

Semana 3

6 horas para concluir

Large Sample Properties of Maximum Likelihood Estimators

6 horas para concluir

5 vídeos (Total 100 mín.), 5 leituras, 3 testes

5 videos

Fisher Information and the Cramer-Rao Lower Bound19min

Computational Simplifications for the CRLB14min

The Weak Law of Large Numbers22min

The Central Limit Theorem22min

Large Sample Properties of MLEs21min

5 leituras

Video Slides for Fisher Information and the Cramér-Rao Lower Bound10min

Video Slides for Computational Simplifications for the CRLB10min

Video Slides for The Weak Law of Large Numbers10min

Video Slides for The Central Limit Theorem10min

Video Slides for Large Sample Properties of MLEs10min

2 exercícios práticos

The Cramer-Rao Lower Bound30min

Further Computations with MLEs30min

Semana

Semana 4

6 horas para concluir

Confidence Intervals Involving the Normal Distribution

6 horas para concluir

5 vídeos (Total 99 mín.), 5 leituras, 3 testes

5 videos

Let's Build a Confidence Interval!19min

The Chi-Squared and t- Distributions27min

t-Distribution Confidence Intervals20min

Confidence Intervals for the Difference Between Population Means11min

Small Sample Confidence Intervals for the Difference Between Population Means20min

5 leituras

Video Slides for Let's Build a Confidence Interval!10min

Video Slides for the Chi-Squared and t-Distributions10min

Video Slides for t-Distribution Confidence Intervals10min

Video Slides for Confidence Intervals for the Difference Between Population Means10min

Video Slides for Small Sample Confidence Intervals for the Difference Between Population Means10min

2 exercícios práticos

Confidence Intervals Involving the Normal Distribution30min

Confidence Intervals for Differences Between Means30min

Sobre Programa de cursos integrados Data Science Foundations: Statistical Inference

This program is designed to provide the learner with a solid foundation in probability theory to prepare for the broader study of statistics. It will also introduce the learner to the fundamentals of statistics and statistical theory and will equip the learner with the skills required to perform fundamental statistical analysis of a data set in the R programming language.

This specialization can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder. Logo adapted from photo by Christopher Burns on Unsplash.

Data Science Foundations: Statistical Inference

Perguntas Frequentes – FAQ

Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Existe algum auxílio financeiro disponível?
Sim. Em programas de aprendizado selecionados, você pode solicitar auxílio financeiro ou uma bolsa de estudos caso não consiga pagar a taxa de inscrição. Se o auxílio financeiro ou bolsa de estudos estiver disponível para a seleção do seu programa de aprendizado, você encontrará um link para se inscrever na página de descrição.

Mais dúvidas? Visite o Central de Ajuda ao estudante.

Statistical Inference for Estimation in Data Science

Informações sobre o curso

O que você vai aprender