Este curso forma parte de Programa especializado: Data Science Foundations: Statistical Inference

4.3

estrellas

39 calificaciones

Jem Corcoran

3372 ya inscrito

Ofrecido Por

Parte del título de grado Master of Science in Data Science
Más información

Programa especializado: Data Science Foundations: Statistical InferenceUniversidad de Colorado en Boulder

Acerca de este Curso

31.471 vistas recientes

This course introduces statistical inference, sampling distributions,  and confidence intervals. Students will learn how to define and construct  good estimators, method of moments estimation, maximum likelihood estimation, and methods of constructing confidence intervals that will extend to more general settings.  
This course can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder.

Logo adapted from photo by Christopher Burns on Unsplash.

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Laboratorios de Coursera

Incluye proyectos de aprendizaje prácticos.

Obtén más información sobre los laboratorios de Coursera

Curso 2 de 3 en

Programa especializado: Data Science Foundations: Statistical Inference

Nivel intermedio

Sequence in calculus up through Calculus II (preferably multivariate calculus) and some programming experience in R.

Aprox. 28 horas para completar

Inglés (English)

Qué aprenderás

Identify characteristics of “good” estimators and be able to compare competing estimators.
Construct sound estimators using the techniques of maximum likelihood and method of moments estimation.
Construct and interpret confidence intervals for one and two population means, one and two population proportions, and a population variance.

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Laboratorios de Coursera

Incluye proyectos de aprendizaje prácticos.

Obtén más información sobre los laboratorios de Coursera

Curso 2 de 3 en

Programa especializado: Data Science Foundations: Statistical Inference

Nivel intermedio

Sequence in calculus up through Calculus II (preferably multivariate calculus) and some programming experience in R.

Aprox. 28 horas para completar

Inglés (English)

Instructor

Calificación del instructor

4,5/5 (14 calificaciones)

Jem Corcoran

Ofrecido por

Universidad de Colorado en Boulder

Comienza a trabajar para obtener tu maestría

Este curso es parte del Master of Science in Data Science completamente en línea de Universidad de Colorado en Boulder. Si te aceptan en el programa completo, tus cursos cuentan para tu título de grado.

Más información

Programa - Qué aprenderás en este curso

Semana

Semana 1

1 hora para completar

Start Here!

1 hora para completar

1 video (Total 7 minutos), 3 lecturas

7 horas para completar

Point Estimation

In this module you will learn how to estimate parameters from a large population based only on information from a small sample. You will learn about desirable properties that can be used to help you to differentiate between good and bad estimators. We will review the concepts of expectation, variance, and covariance, and you will be introduced to a formal, yet intuitive, method of estimation known as the "method of moments".

7 horas para completar

10 videos (Total 153 minutos), 11 lecturas, 5 cuestionarios

10 videos

Discrete Random Variables and Probability Mass Functions11m

Continuous Random Variables and Probability Density Functions7m

Joint Distributions and Independence10m

The Gamma Distribution17m

Transformations of Distributions20m

Expectation and Properties of Expectation16m

Variance and Covariance17m

Estimators and Sampling Distributions15m

Distributions of Sums22m

Method of Moments Estimators13m

11 lecturas

Important Discrete Distributions10m

Important Continuous Distributions20m

Table Summarizing Important Distributions 10m

Joint Distributions10m

Video Slides: The Gamma Distribution15m

Video Slides for Transformations of Distributions

Video Slides for Expectation and Properties of Expectation

Video Slides for Variance and Covariance

Video Slides for Estimators and Sampling Distributions

Video Slides for Distributions of Sums

Video Slides for Method of Moments Estimators

4 ejercicios de práctica

Recognizing Discrete Distributions15m

Calculations with Continuous Distributions25m

Probability, Expectation, and Variance30m

Method of Moments Estimation30m

Semana

Semana 2

4 horas para completar

Maximum Likelihood Estimation

4 horas para completar

5 videos (Total 67 minutos), 5 lecturas, 3 cuestionarios

5 videos

A Motivating Example8m

Notation, Terminology, and First Complete Examples13m

MLEs for Multiple and Support Parameters17m

The Invariance Property20m

Mean Squared Error, Bias, and Relative Efficiency7m

5 lecturas

Video Slides for A Motivating Example

Video Slides for Notation, Terminology, and First Complete Examples

Video Slides for MLEs for Multiple and Support Parameters

Video Slides for The Invariance Property

Video Slides for Mean Squared Error, Bias and Relative Efficiency

2 ejercicios de práctica

Finding MLEs30m

Invariance, Mean-Squared Error, and Efficiency30m

Semana

Semana 3

6 horas para completar

Large Sample Properties of Maximum Likelihood Estimators

6 horas para completar

5 videos (Total 100 minutos), 5 lecturas, 3 cuestionarios

5 videos

Fisher Information and the Cramer-Rao Lower Bound19m

Computational Simplifications for the CRLB14m

The Weak Law of Large Numbers22m

The Central Limit Theorem22m

Large Sample Properties of MLEs21m

5 lecturas

Video Slides for Fisher Information and the Cramér-Rao Lower Bound10m

Video Slides for Computational Simplifications for the CRLB10m

Video Slides for The Weak Law of Large Numbers10m

Video Slides for The Central Limit Theorem10m

Video Slides for Large Sample Properties of MLEs10m

2 ejercicios de práctica

The Cramer-Rao Lower Bound30m

Further Computations with MLEs30m

Semana

Semana 4

6 horas para completar

Confidence Intervals Involving the Normal Distribution

6 horas para completar

5 videos (Total 99 minutos), 5 lecturas, 3 cuestionarios

5 videos

Let's Build a Confidence Interval!19m

The Chi-Squared and t- Distributions27m

t-Distribution Confidence Intervals20m

Confidence Intervals for the Difference Between Population Means11m

Small Sample Confidence Intervals for the Difference Between Population Means20m

5 lecturas

Video Slides for Let's Build a Confidence Interval!10m

Video Slides for the Chi-Squared and t-Distributions10m

Video Slides for t-Distribution Confidence Intervals10m

Video Slides for Confidence Intervals for the Difference Between Population Means10m

Video Slides for Small Sample Confidence Intervals for the Difference Between Population Means10m

2 ejercicios de práctica

Confidence Intervals Involving the Normal Distribution30m

Confidence Intervals for Differences Between Means30m

Acerca de Programa especializado: Data Science Foundations: Statistical Inference

This program is designed to provide the learner with a solid foundation in probability theory to prepare for the broader study of statistics. It will also introduce the learner to the fundamentals of statistics and statistical theory and will equip the learner with the skills required to perform fundamental statistical analysis of a data set in the R programming language.

This specialization can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder. Logo adapted from photo by Christopher Burns on Unsplash.

Data Science Foundations: Statistical Inference

Preguntas Frecuentes

¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
¿Hay ayuda económica disponible?
Sí. En ciertos programas de aprendizaje, puedes postularte para recibir ayuda económica o una beca en caso de no poder costear los gastos de la tarifa de inscripción. Si hay ayuda económica o becas disponibles para tu selección de programa de aprendizaje, verás un enlace para postularte en la página de descripción.

¿Tienes más preguntas? Visita el Centro de Ayuda al Estudiante.

Statistical Inference for Estimation in Data Science

Acerca de este Curso

Qué aprenderás