Artur Suchwałko

Praktyczna analiza danych w R

W czasie szkolenia przedstawione zostaną podstawowe metody analizy danych. Każdy dział szkolenia ilustrowany jest ćwiczeniami praktycznymi bazującymi na rzeczywistych danych biznesowych. Dzięki temu uczestnicy szkolenia mają możliwość zdobycia praktycznych umiejętności w zakresie analizy danych oraz zapoznają się z typowymi problemami, które pojawią się podczas pracy z danymi. Zakres szkolenia obejmuje narzędzia analizy opisowej, takie jak wskaźniki sumaryczne oraz wykresy. Przedstawione zostaną także wybrane modele i testy statystyczne. Szczególna uwaga poświęcona będzie analizie korelacji i modelowi regresji liniowej.

Unikatową cechą szkolenia jest to, że ma ono charakter praktyczny, warsztatowy oraz równocześnie bazuje na darmowym oprogramowaniu. Oznacza to, że uczestnicy szkolenia uzyskują przydatne umiejętności praktyczne, a po zakończeniu szkolenia każdy jego uczestnik może analizować własne dane bez konieczności zakupu oprogramowania. Uczestnicy otrzymują skrypty R ułatwiające późniejszą pracę z własnymi danymi.

Czas trwania: 1-2 dni

Oprogramowanie: System R + RCommander

Więcej informacji

Program szkolenia i program szkolenia w pdf (55 KB).

Szkolenie dostępne jest wyłącznie jako zamknięte. Zakres i termin dostosowane będą do Państwa potrzeb. Jeśli są Państwo zainteresowani szkoleniem zamkniętym, to proszę o kontakt.

[Show as slideshow]

Program szkolenia

Przeczytaj program szkolenia w pdf (55 KB).

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