Statistical Thinking for Decision Makers

Go需要良好的数学技能。需要接触基础统计学（即与进行统计分析的人员合作）。

本课程专为决策者设计，他们的主要目标不是进行计算和分析，而是理解这些方法，并能够选择在组织的战略规划中相关的统计方法。

例如，潜在参与者需要决定在做出产品是否推出的决策之前，需要收集多少样本。

如果您需要更长的课程，涵盖统计思维的基础知识，请参考为期5天的“Statistics for Managers”培训。

统计能为决策者Make提供什么

• 描述性Statistics
  • 基本统计 - 哪些统计量（如中位数、平均值、百分位数等）更适用于不同的分布
  • 图表 - 正确绘制的重要性（如图表的绘制方式如何反映决策）
  • 变量类型 - 哪些变量更容易处理
  • 其他条件不变，事物总是在变化中
  • 第三变量问题 - 如何找到真正的影响因素
• 推论性Statistics
  • 概率值 - P值的意义是什么
  • 重复实验 - 如何解释重复实验的结果
  • 数据收集 - 你可以减少偏见，但无法完全消除
  • 理解置信水平

统计思维

• 在有限信息下做出决策
  • 如何检查信息是否足够
  • 基于概率和潜在回报优先排序目标（效益/成本比率，决策树）
• 错误如何累积
  • 蝴蝶效应
  • 黑天鹅事件
  • 什么是薛定谔的猫和牛顿的苹果在商业中的意义
• Cassandra问题 - 如何衡量预测，如果行动方针已经改变
  • Google流感趋势 - 它为何出错
  • 决策如何使预测过时
• Forecasting - 方法与实用性
  • ARIMA
  • 为什么天真的预测通常更灵敏
  • 预测应该回溯到多久以前？
  • 为什么更多数据可能意味著更差的预测？

对决策者Make有用的统计方法

• 描述双变量数据
  • 单变量数据和双变量数据
• 概率
  • 为什么每次测量时结果会有所不同？
• 正态分布和正态分布的误差
• 估计
  • 独立信息源和自由度
• 假设检验的逻辑
  • 什么可以被证明，为什么它总是与我们想要的相反（证伪）
  • 解释假设检验的结果
  • 检验均值
• 功效
  • 如何确定一个好的（且成本低的）样本量
  • 假阳性和假阴性，以及为什么这总是一个权衡