Podstawy statystyki i programowania w R – szkolenie podstawowe

Podstawy statystyki i programowania w R – szkolenie podstawowe

Opis szkolenia

Statystyka, nauka o zbieraniu, analizowaniu, interpretowaniu oraz prezentacji danych, jest fundamentem współczesnej nauki i praktyki biznesowej. Od swoich teoretycznych początków w XVII wieku, kiedy to matematycy tacy jak Pascal i Fermat rozpoczynali prace nad teorią prawdopodobieństwa, statystyka ewoluowała w kluczowe narzędzie w różnorodnych dziedzinach – od biologii przez ekonomię aż po inżynierię. W erze cyfrowej, z niespotykaną wcześniej ilością danych do przetworzenia, umiejętności statystyczne są bardziej wartościowe niż kiedykolwiek. Statystyka nie tylko pozwala na wyciąganie wniosków z danych, ale także na podejmowanie informowanych decyzji, co jest kluczowe w dynamicznie zmieniających się realiach rynkowych i naukowych.

Nasze szkolenie odpowiada na współczesne wymagania rynku, dostarczając uczestnikom solidnych podstaw teoretycznych oraz praktycznych umiejętności potrzebnych do efektywnego stosowania statystyki w pracy naukowej i biznesowej. Uczestnicy zaznajomieni zostaną z kluczowymi pojęciami i technikami statystycznymi, a także nauczą się, jak efektywnie używać języka programowania R do analizy i wizualizacji danych.

 Cele szkolenia:

  1. Zrozumienie podstawowych pojęć i technik statystycznych.
  2. Nabycie umiejętności w zakresie stosowania metod statystycznych do analizy danych.
  3. Opanowanie podstaw języka programowania R.
  4. Rozwój umiejętności interpretacji wyników statystycznych dla potrzeb naukowych i biznesowych.
  5. Praktyczne zastosowanie programu R do analizy danych w realnych scenariuszach.
  6. Wzrost kompetencji analitycznych uczestników.

Grupa docelowa

Szkolenie skierowane jest do osób początkujących w dziedzinie statystyki i programowania, które chcą rozwinąć swoje umiejętności analityczne. Jest idealne dla studentów, młodych naukowców, analityków danych oraz profesjonalistów biznesowych, którzy potrzebują solidnych podstaw statystycznych oraz umiejętności obsługi języka R. Brak wymagań wstępnych co do wcześniejszej znajomości statystyki czy programowania czyni to szkolenie otwartym dla szerokiego grona odbiorców.

Program szkolenia

Dzień 1: Wprowadzenie do statystyki i podstawy R

  1. Wprowadzenie do statystyki: geneza i znaczenie
    • Omówienie historii statystyki i jej ewolucji.
    • Kluczowe znaczenie statystyki w naukach ścisłych, społecznych oraz biznesie.
    • Przegląd najważniejszych osiągnięć w dziedzinie statystyki.
  2. Podstawowe pojęcia statystyczne
    • Definicja i różnice pomiędzy populacją a próbką.
    • Typy zmiennych: ciągłe, dyskretne, nominalne i porządkowe.
    • Metody wyboru próbek i ich wpływ na wyniki analizy.
  3. Deskryptywna analiza danych
    • Statystyki opisowe: tendencja centralna, rozproszenie, asymetria.
    • Wizualizacja danych: histogramy, wykresy pudełkowe, wykresy słupkowe.
    • Interpretacja wyników deskryptywnej analizy danych.
  4. Podstawy prawdopodobieństwa
    • Definicje prawdopodobieństwa, zdarzenia losowe, przestrzeń zdarzeń.
    • Rozkłady prawdopodobieństwa: binominalny, normalny, Poissona.
    • Zastosowanie prawdopodobieństwa w testowaniu hipotez.
  5. Wprowadzenie do języka R
    • Instalacja R i RStudio, konfiguracja środowiska pracy.
    • Podstawy składni R, typy danych, struktury danych.
    • Podstawowe operacje na danych: sortowanie, filtrowanie, agregacja.
  6. Podstawowe operacje na danych w R
    • Import danych z różnych źródeł (CSV, Excel, bazy danych).
    • Podstawowe funkcje statystyczne dostępne w R.
    • Tworzenie prostych wizualizacji: wykresy liniowe i punktowe.

 

Dzień 2: Zaawansowana analiza statystyczna i wizualizacja w R

  1. Testy statystyczne i ich zastosowanie
    • Test t dla jednej i dwóch próbek, interpretacja wyników.
    • Test chi-kwadrat do analizy zależności kategorialnych.
    • Analiza wariancji (ANOVA), zastosowania i odczytywanie wyników.
  2. Korelacje i regresje
    • Wprowadzenie do analizy korelacji, współczynniki korelacji Pearsona i Spearmana.
    • Regresja liniowa: modelowanie, diagnostyka reszt, prognozowanie.
    • Regresja wieloraka: selekcja zmiennych, interpretacja współczynników.
  3. Bardziej zaawansowane techniki wizualizacji danych w R
    • Wykresy zaawansowane: wykresy skrzynkowe, wykresy gęstości, heatmaps.
    • Interaktywne wizualizacje za pomocą pakietów ggplot2 i plotly.
    • Personalizacja wykresów: modyfikacja kolorów, osi, legendy.
  4. Przykłady praktyczne zastosowania analiz statystycznych
    • Studia przypadku: analiza danych biznesowych, naukowych, społecznych.
    • Scenariusze decyzyjne oparte na analizie statystycznej.
    • Dyskusja na temat etyki w analizie danych.
  5. Projektowanie i realizacja własnych analiz danych
    • Praca z własnym projektem danych: od pytania badawczego do analizy.
    • Praktyczne porady dotyczące czyszczenia i przygotowania danych.
    • Optymalizacja kodu w R dla efektywnych obliczeń.

Informacje podstawowe

Co dostajesz w standardzie?