使用 R. Master 学习数据分析基本数据视觉、统计正确性、推理和线性模型。
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
在此专业中，您将学习在 R 中分析和预测数据，并创建可重现的数据分析报告。检查对统计推理统一性质的概念理解，执行统计推理和贝叶斯模型方法，以理解自然现象并做出数据驱动的决策。在上下文中正确、高效地传达统计结果，而无需依赖统计术语。您将审核数据驱动的索赔并评估数据驱动的决策，并使用数据分析 R 套件提取和呈现数据。
从实习中创建数据分析项目组合，展示对从初始分析到推理和建模的统计数据分析的掌握程度，适用于数据分析或数据科学家工作的应用程序。
本课程介绍采样和探索数据的概念，以及基本概率论和 Bay 规则。您将探索不同类型的采样方法，并讨论这些方法如何影响推理范围。该课程将涵盖各种探索性数据分析技术，包括数值汇总统计和基本数据可视化。除此之外，您还将获得有关安装和使用 R 和 RStudio（免费统计软件）的指导，并将该软件用于实验室练习和最终项目。本课程中的概念和技术将作为专业化推理和建模课程的基础。
本课程涵盖通常用于数值和分类数据的统计推理方法。您将学习如何建立和执行假设检验、解释 p 值，以及以客户或公众可以理解的方式报告分析结果。使用许多数据示例，您将学习报告数量的估计值，以便它们反映感兴趣数量的不确定性。您将被指导安装和使用 R 和 RStudio（免费统计软件），并将该软件用于实验室练习和最终项目。本课程介绍了用于执行数据分析的实用工具，并探讨了解释和报告分类和数值数据结果所需的基本概念。
本课程介绍了简单的线性回归模型和许多模型。这些模型允许您评估数据集中的变量与连续响应变量之间的关系。讲师的身体吸引力和学生的评价分数之间有联系吗？是否有可能根据母亲的某些特征来预测孩子的考试成绩？在本课程中，您将学习线性回归背后的基本理论，并使用数据样本学习如何使用免费的 R 和 RStudio 软件匹配、测试和利用回归模型，以便研究多个变量之间的关系。
