สถิติแบบเบย์และการทดสอบ A/B ด้วย Excel และ Python

วิธีการทางสถิติแบบดั้งเดิมมักไม่เพียงพอเมื่อต้องตัดสินใจอย่างรวดเร็วภายใต้ความไม่แน่นอน หลักสูตรนี้จะแนะนำให้คุณรู้จักกับสถิติแบบเบย์ ซึ่งเป็นกรอบการทำงานที่มีประสิทธิภาพสำหรับการอัปเดตความรู้ของคุณเมื่อมีข้อมูลใหม่เข้ามา คุณจะได้รับทักษะในการเปลี่ยนจากการคำนวณสเปรดชีตแบบง่ายๆ ไปสู่สคริปต์ Python ที่แข็งแกร่งสำหรับการทดสอบ A/B ที่ซับซ้อน คุณจะได้เรียนรู้วิธีการวัดปริมาณความไม่แน่นอนและอัปเดตความเชื่อของคุณเมื่อมีข้อมูลใหม่เข้ามา ซึ่งจะเปลี่ยนวิธีการที่คุณเข้าถึงการทดลองในสภาพแวดล้อมทางธุรกิจหรือการวิจัย ด้วยการมุ่งเน้นไปที่การให้เหตุผลเชิงความน่าจะเป็น คุณสามารถตัดสินใจได้อย่างละเอียดอ่อนมากขึ้นกว่าที่ค่า p-value แบบดั้งเดิมจะทำได้ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจคำศัพท์หลักของ Bayesian และหลักการพื้นฐานของความน่าจะเป็น - คำนวณความน่าจะเป็นร่วมและความน่าจะเป็นแบบมีเงื่อนไขโดยใช้โมเดล Excel ที่ใช้งานได้จริง - ประยุกต์ใช้ทฤษฎีบทของ Bayes เพื่ออัปเดตความเชื่อเดิมด้วยหลักฐานการทดลองใหม่ - ใช้โมเดลการทดสอบ A/B และ multivariate แบบ Bayesian โดยใช้ไลบรารี Python ที่ทันสมัย - วิเคราะห์การแจกแจงแบบ posterior เพื่อวัดปริมาณความเสี่ยงและความแน่นอนในผลลัพธ์ของคุณ - ฝึกฝนการตีความผลลัพธ์ทางสถิติสำหรับการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลในธุรกิจและการดูแลสุขภาพ หลักสูตรเริ่มต้นด้วยคำจำกัดความพื้นฐานและทฤษฎีความน่าจะเป็น ก่อนที่จะก้าวไปสู่คำอธิบายที่เป็นลายลักษณ์อักษรเกี่ยวกับการสร้างแบบจำลองโดยใช้ Excel และระบบอัตโนมัติโดยใช้ Python คุณจะได้ทำแบบฝึกหัดที่เป็นข้อความซึ่งจะช่วยเสริมความเข้าใจของคุณเกี่ยวกับวิธีการจัดโครงสร้างและวิเคราะห์ข้อมูลการทดลอง หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้น นักวิเคราะห์ และนักวิทยาศาสตร์ข้อมูลที่ต้องการพัฒนาชุดเครื่องมือการทดลองของตน ไม่จำเป็นต้องมีประสบการณ์ด้านสถิติแบบเบย์มาก่อน พัฒนาทักษะการวิเคราะห์ของคุณโดยการเรียนรู้แนวทาง Bayesian ในการทดลอง