Statistiques bayésiennes et tests A/B avec Excel et Python

Les méthodes statistiques traditionnelles sont souvent insuffisantes pour prendre des décisions rapides en cas d'incertitude. Ce cours vous présente les statistiques bayésiennes, un cadre puissant pour mettre à jour vos connaissances à mesure que de nouvelles informations deviennent disponibles.Vous acquerrez les compétences nécessaires pour passer de simples calculs de tableur à des scripts Python robustes pour des tests A / B sophistiqués. Vous apprendrez à quantifier l'incertitude et à mettre à jour vos croyances à mesure que de nouvelles données arrivent, transformant ainsi votre approche des expériences dans les environnements d'affaires ou de recherche.En vous concentrant sur le raisonnement probabiliste, vous pouvez prendre des décisions plus nuancées que les valeurs p traditionnelles. Ce que vous apprendrez: - Comprendre la terminologie bayésienne de base et les principes fondamentaux de la probabilité. - Calculer les probabilités conjointes et conditionnelles à l'aide de modèles Excel pratiques. - Appliquer le théorème de Bayes pour mettre à jour les croyances antérieures avec de nouvelles preuves expérimentales. - Implémentez des modèles de test bayésiens A / B et multivariés à l'aide de bibliothèques Python modernes. - Analysez les distributions postérieures pour quantifier le risque et la certitude de vos résultats. - Pratiquer l'interprétation des résultats statistiques pour la prise de décision basée sur les données dans les affaires et les soins de santé. Le cours commence par des définitions fondamentales et la théorie des probabilités avant de progresser à travers des explications écrites de la modélisation basée sur Excel et de l'automatisation basée sur Python.Vous travaillerez à travers des exercices basés sur du texte qui renforcent votre compréhension de la façon de structurer et d'analyser des données expérimentales. Ce cours est conçu pour les débutants, les analystes et les scientifiques de données en herbe qui souhaitent améliorer leur boîte à outils expérimentale.Aucune expérience préalable avec les statistiques bayésiennes n'est requise. Améliorez vos compétences analytiques en maîtrisant l'approche bayésienne de l'expérimentation.