Statistical Thinking for Decision Makers

Wymagane są dobre umiejętności matematyczne. Wymagany jest kontakt z podstawowymi statystykami (tj. praca z osobami zajmującymi się analizą statystyczną).

Ten kurs został stworzony dla decydentów, których głównym celem nie jest wykonywanie obliczeń i analiz, ale ich zrozumienie i umiejętność wyboru, jakie metody statystyczne są odpowiednie w planowaniu strategicznym organizacji.

Na przykład potencjalny uczestnik musi podjąć decyzję, ile próbek należy zebrać, zanim będzie mógł podjąć decyzję, czy produkt zostanie wprowadzony na rynek, czy nie.

Jeśli potrzebujesz dłuższego kursu, który obejmuje podstawy myślenia statystycznego, zapoznaj się z 5-dniowym szkoleniem "Statistics dla menedżerów".

Co statystyka może zaoferować decydentom

• Opisowe Statistics
  • Podstawowe statystyki - które z nich (np. mediana, średnia, percentyle itp.) są bardziej istotne dla różnych rozkładów.
  • Wykresy - znaczenie prawidłowego wykonania wykresu (np. w jaki sposób sposób tworzenia wykresu odzwierciedla decyzję)
  • Typy zmiennych - z jakimi zmiennymi łatwiej sobie poradzić.
  • Ceteris paribus, rzeczy są zawsze w ruchu
  • Problem trzeciej zmiennej - jak znaleźć prawdziwy czynnik wpływający na decyzję?
• Wnioskowanie Statistics
  • Wartość prawdopodobieństwa - jakie jest znaczenie wartości P
  • Powtarzany eksperyment - jak interpretować wyniki powtarzanego eksperymentu?
  • Gromadzenie danych - można zminimalizować stronniczość, ale nie można się jej pozbyć
  • Zrozumienie poziomu ufności

Myślenie statystyczne

• Podejmowanie decyzji przy ograniczonych informacjach
  • jak sprawdzić, ile informacji jest wystarczających
  • ustalanie priorytetów celów na podstawie prawdopodobieństwa i potencjalnego zwrotu (stosunek korzyści do kosztów, drzewa decyzyjne)
• Jak sumują się błędy
  • Efekt motyla
  • Czarne łabędzie
  • Czym jest kot Schrödingera, a czym jabłko Newtona w biznesie?
• Cassandra Problem - jak zmierzyć prognozę, jeśli zmienił się sposób działania?
  • Google Trendy grypy - jak poszło nie tak
  • Jak decyzje dezaktualizują prognozy
• Forecasting - metody i praktyczność
  • ARIMA
  • Dlaczego naiwne prognozy są zazwyczaj bardziej responsywne
  • Jak daleko prognoza powinna sięgać w przeszłość?
  • Dlaczego więcej danych może oznaczać gorszą prognozę?

Metody statystyczne przydatne dla decydentów

• Opisywanie danych dwuwymiarowych
  • Dane jednowymiarowe i dane dwuwymiarowe
• Prawdopodobieństwo
  • Dlaczego rzeczy różnią się za każdym razem, gdy je mierzymy?
• Rozkład normalny i błędy o rozkładzie normalnym
• Szacowanie
  • Niezależne źródła informacji i stopnie swobody
• Logika testowania hipotez
  • Co można udowodnić i dlaczego zawsze jest odwrotnie niż chcemy (falsyfikacja)
  • Interpretacja wyników testowania hipotez
  • Testowanie środków
• Moc
  • Jak określić dobry (i tani) rozmiar próby
  • Fałszywie dodatnie i fałszywie ujemne wyniki i dlaczego zawsze jest to kompromis