Search
透過 Python 和 MATLAB 中的實際應用程式，對統計資料和機器學習進行了嚴謹的深入研究
從這 38 小時的課程，你會學到
1 描述統計學(均值、方差等)
2 推理的統計學
3 T-檢驗，相關，方差分析(ANOVA)，迴歸，聚類
4 “黑盒子”統計方法背後的數學
5 如何在程式碼中實現統計方法
6 如何正確解讀統計資料，避免常見誤解
7 Python 和 MATLAB/ Octave 中的編碼技術
8 機器學習方法，例如聚類(Clustering)、預測分析、分類和資料清理
https://softnshare.com/statsml_x/
戴資穎在東奧的好表現讓國人振奮，連帶的她在北市大競技運動訓練研究所的碩士論文也在網路上被討論，雖然我只看了論文摘要，但在研究上，戴資穎也是同道中人。
不知道現在還有多少人對於運動員的印象是「四肢發達、頭腦簡單」？如果還有，請你趕快拋棄這樣的想法，在頂尖運動員的世界，訓練方式是非常聰明，且非常科學的。
戴資穎在論文當中所使用的「單因子變異數分析(ANOVA)」與「事後比較」都是很常用的統計方法。或許你會有疑問，做統計有什麼用呢？統計可以帶你在個人經驗之外，看到更深、更廣的世界。
以戴資穎的例子，什麼樣的對手沒遇過？要比經驗，她絕對有資格，可是統計分析就像一個科學教練，冷靜的幫她分析對手的每一個習慣、每一種球路。
在國外的體育界，科學訓練已經是非常盛行的事了，在國內，連我擅長的「神經回饋訓練」也已經有體育系的研究生與教授在研究這個訓練對選手的幫助，這證明了，讀書絕對很有用，而且一點也不死板，如果你還有懷疑，請看看戴資穎，她可以用數學讓自己了解比賽對手，這對贏得比賽非常有幫助。
所以，我也很強調「科學育兒」的重要性，每個爸媽都有自己獨特的育兒經驗與理念，進一步的，也需要透過大數據來告訴你，自己有沒有什麼地方可以更好？
我一週有六天的時間在跟孩子相處，雖然不敢說我在兒童心理領域的專業度與經驗，像戴資穎一樣是世界級的，但是我仍然像球后一樣持續學習，提升自己在專業上的知識豐富度。
經驗累積、知識更新，缺一不可。
在我的教養線上課裡，我會告訴你，在各個教養議題上，現在世界都在做什麼，甚至有些我們熟知的觀念，現在都已經有新的做法了喔！
歡迎你一起來加入，改變自己，也改變孩子。
⏰8/1（本週日）前限時填單！
粉絲團購價只要NT$1,300（早鳥價$1,500、原價$6,800），歡迎大家點選連一起來團購！想看更多課程內容，表單中也有說明唷>> https://bit.ly/3y7jqHX
NT390 特價中
課程已於 2021 年 7 月更新
透過 Python 和 MATLAB 中的實際應用程式，對統計資料和機器學習進行了嚴謹的深入研究
從這 38 小時的課程，你會學到
描述統計學(均值、方差等)
推理的統計學
T-檢驗，相關，方差分析(ANOVA)，迴歸，聚類
“黑盒子”統計方法背後的數學
如何在程式碼中實現統計方法
如何正確解讀統計資料，避免常見誤解
Python 和 MATLAB/ Octave 中的編碼技術
機器學習方法，例如聚類(Clustering)、預測分析、分類和資料清理
https://softnshare.com/statsml_x/
JASP只要開啟圖9.8中的Welch選項；jamovi則改用 ANOVA -> One-Way ANOVA 分析這筆資料。若使用者認為變異同質檢定的結果在可接受範圍內，可以採用預設的分析結果。 ... <看更多>
anova統計 在 [統計] Anova = 迴歸分析- 看板TransPSY - 批踢踢實業坊 的推薦與評價
心理研究法的兩條路線，anova與迴歸分析，如果都熟悉計算方式，最後可以了解到
anova = 迴歸的一種特例的話，我相信你統計絕對夠強了。
先提到很多統計老師的教法順序錯誤。許多所謂的「名師」在教完描述統計之後就教相關
、簡單迴歸甚至多元迴歸。描述統計教相關是非常恰當，但教簡單迴歸則開始有點不智，
接著教多元迴歸就更不智！簡單迴歸與多元迴歸應該是要在anova系列教完之後再教，否
則的話簡單迴歸要對b做t檢定，多元回歸模式要對迴歸變異做F檢定，而當t與f檢定都不
懂的時候，何來懂得簡單與多元迴歸？
anova跟迴歸可以算是概念一致的東西，在統計的角度上anova算是迴歸的一種特例，迴歸
的xy變項適合各種變項，常見的是 x連續vs y連續。而anova則是x類別 vs y連續。他們
都可以用一般線性模式的表達 Y = bX + e。試想有三組數分別為 2 4 6 ，6 8 10，10
12 14，請你用anova計算F值，你的計算方法是會算出組內誤差與組間的變異。若請你以
迴歸的角度來計算此三平均數有無差異的話，你首先要找出y^，y-y^則屬誤差，y^-y平均
數則屬預測可解釋的變異。y-y^即同等於anova中的組內誤差，而y^-y平均數即相等於
anova中的組間變異，所以你最後算出來reg變異/誤差變異的F值與ANOVA相等。
一般線性模型，即每一個原始的y值可以由x與係數b的預測bx加上一個誤差e來代表即 Y
= bX + e，的矩陣表達方式的重點就是在x的coding的部分。coding的方法，可分為cell
means model, Regression model, effect model, dummy coding model。不同的coding
模式主要是根據x變項而調整，若x為一般的連續變項則採用regression model，若x為類
別變項則可採用effect或是dummy coding model。
而迴歸可更勝於anova的部分就是類別變項本身的間距是無法了解的，而連續變項的迴歸
模式的x的間距則是可以清楚地了解，這會影響到y的趨勢分析，愈清楚地了解x的間距，
愈可以了解y的變化是屬一次或二次、三次趨勢，而此是無法由類別變項來了解。這點又
回到一開始我在描述統計所提到的重點，你使用的變項就決定你最後統計的精確度。愈是
比率變項你會估計的更清楚，而愈是類別變項則較為模糊一點。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 219.85.197.87
... <看更多>