университетский уровень · Уровень бакалавриата
Статистика
Что означает «показано» — и где вывод из данных ломается
Про что курс
Вводные курсы статистики обычно устроены как набор процедур: вот критерий для этого случая, вот таблица с порогами. Процедуры запоминаются, а понимание того, на какой вопрос они отвечают, — нет. Отсюда все типовые ошибки: p-значение принимают за вероятность гипотезы, доверительный интервал — за вероятностное утверждение о конкретном числе, статистическую значимость — за важность.
Здесь порядок обратный: сначала вопрос, потом техника. И почти всё, что в университетском курсе доказывается, показывается симуляцией — так устроен Berkeley Data 8, и для самостоятельного обучения это работает лучше. Матанализ, который MIT указывает пререквизитом, не нужен.
Два последних модуля — то, чего нет ни в одном из курсов-источников: заявление Американской статистической ассоциации о p-значениях, спор об отказе от порога значимости, публикационное искажение и результаты больших проектов по воспроизводимости. Это единственный курс серии, где предмет — сама процедура вынесения суждений о доказательствах.
Что внутри
| 24 урока | восемь модулей, без пререквизита по матанализу |
| 8 тренажёров | сто интервалов подряд, бутстрап на своих числах, мощность и завышение оценок, двадцать проверок на данных без эффекта, разворот Симпсона |
| Реестр заблуждений | места, где расхожая формулировка расходится с тем, что процедура означает |
| Причинный вывод | по первой части «Causal Inference: What If» Эрнана и Робинса |
| 4 экзамена | три по блокам плюс итоговый — на интерпретацию, а не на счёт |
| 3 письменные работы | разбор исследования, пересчёт сообщения в медиа, свой план с предрегистрацией |
Кому подойдёт
Тем, кто читает исследования, отчёты и новости с числами и хочет понимать, когда выводу можно верить. Матанализ не требуется.
Программа
8 модулей, 24 урока. Порядок неслучаен: ранние уроки используются в поздних.
Модуль I Данные и неопределённость
- Что статистика обещает и чего не обещает
- Откуда берутся данные и кого в них нет
- Центр, разброс и форма
Модуль II Случайность
- Вероятность: частота, а не ощущение
- Условная вероятность и теорема Байеса
- Закон больших чисел и центральная предельная теорема
Модуль III Вывод по выборке
- Выборочное распределение: почему оценка гуляет
- Доверительный интервал и что он на самом деле значит
- Бутстрап: вывод без формул
Модуль IV Проверка гипотез
- Логика нулевой модели
- Что p-значение не значит
- Ошибки, мощность и размер эффекта
- Множественные сравнения и сад расходящихся троп
Модуль V Связь и причина
- Корреляция: что она измеряет и чего не видит
- Регрессия и возвращение к среднему
- Смешивающие факторы и парадокс Симпсона
- Как устанавливают причину
Модуль VI Байесовский взгляд
- Обновление: априор, свидетельство, апостериор
- Два подхода: что отвечает каждый
Модуль VII Где статистика ломается
- Публикационное искажение
- p-хакинг и исследовательские степени свободы
- Кризис воспроизводимости: что показали проекты
Модуль VIII Что с этим делать
- Как читать работу с числами
- Что изменилось и что делать самому