Questions tagged «teaching»

在讲授统计数据时，合并偶尔的简短视频会很有用。 我的最初想法包括： 统计概念的动画和可视化 有关特定技术应用的故事 与统计创意相关的幽默视频 采访使用统计学的统计学家或研究人员 您在教统计资料时是否使用过任何您认为有用的视频？ 请提供： 在线链接到视频 内容说明 视频可能与哪些统计主题相关

13 teaching  references 

已关闭。这个问题是基于观点的。它当前不接受答案。 想改善这个问题吗？更新问题，以便通过编辑此帖子以事实和引用的形式回答。 2年前关闭。 我目前正在参加线性回归课程，但我无法撼动自己的感觉，即我正在学习的内容不再与现代统计学或机器学习相关。当如今有这么多有趣的数据集经常违反线性回归的许多不切实际的假设时，为什么要花那么多时间进行简单或多元线性回归的推理？为什么不代之以关于更灵活，更现代的工具（如使用支持向量机或高斯过程进行回归）的推理呢？尽管比在空间中找到一架超飞机要复杂得多，但这不会为学生提供更好的背景来解决现代问题吗？

12 regression  machine-learning  linear  teaching 

注意：这个问题是一个转贴，因为我的上一个问题出于法律原因不得不删除。 在比较SAS的PROC MIXED与R中lme的nlme软件包的功能时，我偶然发现了一些相当混乱的差异。更具体地说，不同测试的自由度在PROC MIXED和之间有所不同lme，我想知道为什么。 从以下数据集（以下给出的R代码）开始： ind：指示进行测量的个人的因子 fac：进行测量的器官 trt：表示治疗的因素 y：一些连续响应变量 这个想法是建立以下简单模型： y ~ trt + (ind)：ind作为随机因子 y ~ trt + (fac(ind))：fac嵌套在ind作为随机因子 需要注意的是最后一个模型应引起奇异性，因为只有1的值y对每一个组合ind和fac。 第一模型 在SAS中，我建立以下模型： PROC MIXED data=Data; CLASS ind fac trt; MODEL y = trt /s; RANDOM ind /s; run; 根据教程，R中使用的相同模型nlme应为： > require(nlme) > options(contrasts=c(factor="contr.SAS",ordered="contr.poly")) > m2<-lme(y~trt,random=~1|ind,data=Data) 两种模型对系数及其SE均给出相同的估计，但是在对F的影响进行F检验时trt，它们使用的自由度不同： SAS : Type …

12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 

这个问题说明了面对像维基百科这样的资源匮乏的人，自己独自掌握统计数据和概率的困难。 在我看来，咨询统计学家（这里有些人会）通常会面临向客户解释某些概念和方法的挑战。这是教学硬币的另一面。掌握了这一概念后，进行某种特定的分析可能很有意义，但是一个人的参考文献可能不合适或难以与客户共享。那么，咨询统计学家是否喜欢向客户建议的共同资源？（有关更高级或专门的主题，请参阅更新＃1。） 我可以想到一些有用的书籍，但是我怀疑很多客户会像Developer一样去搜索网络，并且会在Wikipedia上看到相当荒唐的资料。在我对开发人员的答复中，我建议使用《NIST手册》作为此类参考。还有什么？ 更新1：正如Peter Flom所指出的那样，对于更高级的材料或更狭窄的研究，提供单个参考点可能并不容易。这是正确的，对于那些情况，我应该用不同的措词表达问题。在这种情况下，顾问如何找到并共享可访问的参考资料？我相信许多顾问会花时间写一些新的东西来向客户解释事情，但是这些并不是找到和共享的参考。 一些想法： 顾问或其他人编写的教程 案例研究或分析表明相同的概念 书籍摘录（正如我在对开发者的回答中所建议的那样），描述了概念 还有什么可能是来源，或者您实际上将如何寻找这些参考？我意识到这是一个开放式问题，但是我对Developer的回答显示了我解决该问题的一些方法。我并不是要问所有可以解决此问题的方法，而是以自己的经验，您通常如何提供这种解释性资源？

12 teaching  references 

请介绍性，高级甚至晦涩。 主要是为了测试自己。我想确保我知道我在说什么:) 谢谢

12 teaching 

背景 在计算机科学，数学以及某些其他领域，“深奥”的例子不仅很有趣，而且有助于说明某些概念，例如： Bogosort和Slowsort是效率很低的排序算法，可用于了解算法的属性，特别是与其他排序算法相比时。 神秘的编程语言证明了编程语言的概念具有深远的意义，并有助于欣赏优质的编程语言。 该魏尔斯特拉斯函数和狄氏功能主要发现使用说明关于连续性的概念，某些误解。 我目前正在准备一些有关使用假设检验的教学方法，并认为以极低的功效（但没有其他缺陷）进行检验将有助于说明统计功效的概念。（当然，我仍然必须自己决定一个给定的例子对我的听众是否有教益或仅仅是令人困惑。） 实际问题 是否有任何故意降低功耗的统计测试，更具体地说： 该检验符合假设检验的一般框架，即，它适用于原假设，具有要求并返回（正确的）p 值。 它不打算/不建议用于严重的应用。 它具有非常低的功率（由于故意的设计缺陷，而不是由于样本或效应量较小）。 如果您可以从根本上说不存在这样的测试，我也将认为这是对我的问题的有效答案。另一方面，如果存在大量这样的测试，那么我对教学上最有效的测试感兴趣，也就是说，它应该易于获得并且具有惊人的效果。 请注意，我并不是要对统计错误（樱桃采摘等）或类似情况进行一般选择。 我到目前为止发现的 互联网搜索对我没有任何回报。 每次构建这样的东西的尝试都以某种（有用的）现有测试或格式不是常规测试而告终。例如，我考虑过一个检验，如果总体样本中位数为正，则总体中位数是否为正，则仅返回是。但是该测试不会返回p 值，因此不适合通常的测试框架。如果仅将正负号作为测试统计量（并相应地计算p 值），那么我最终会进行正负号test，这是一个合理的测试。

11 hypothesis-testing  teaching  humor 

您可能听说过德国最近发生的肠出血性大肠杆菌 （EHEC） 。 统计员会问有关EHEC分析的哪些问题？ 我想到的是记者/公职人员与非专家之间的问答环节，具有文凭/硕士学位但充其量只是统计数据的老师和工程师说。 （是图片，显示EHEC各种菌株的EHEC土地图以及各种测试的覆盖范围，可能吗？） 6月20日，星期一：我认为EHEC疫情将是全世界范围内真正重要的统计数据：各种原因的证据是什么，如何将这些信息传达给公众？因此，开始赏金。

11 data-visualization  teaching 

我喜欢通过讨论男孩或女孩或贝特朗悖论来引入概率。 还有哪些（简短的）问题/博弈对概率有积极的介绍？（请给每个答复一个答案） PS：这是对概率的简要介绍，但在我看来，它与统计学教学有关，因为它允许进一步讨论离散事件，贝叶斯定理，概率/可测量空间等。

11 teaching 

我是一名本科统计学专业的学生，​​正在寻找一种对临床试验分析进行良好治疗的方法。文字应涵盖实验设计，阻断，功效分析，拉丁方设计和聚类随机化设计等基础知识。 我具有数学统计和实际分析的本科知识，但是如果有很棒的文章需要更高的统计或分析水平，我可以努力解决。

11 references  teaching  clinical-trials 

我正在寻找一种统计软件包，可以在社会科学学习计划的统计学入门课程中使用。这些学生没有统计学的先验知识，也没有编程语言的经验。目的是向他们介绍基本的统计概念（例如均值，方差，平方和，p值，...，最后是线性回归），并使他们能够使用示例数据集自行进行基本分析。本课程应该是通过统计来学习概念，而不是记住公式（尽管我认为公式很重要）。 因此，我正在寻找一种替代常规语法（如普通R）或点击（如SPSS或Rcmdr）驱动软件的方法。该软件应易于学习，并且应具有清晰的图形用户界面，以可视化数据集并提供标准图形和表格。最好的办法是可视化分析的所有不同步骤（例如，读取和处理数据，描述性度量的计算，制作描述性表和图形，推论性度量的计算，推论性图形的绘制，导出到报告）。 您是否有适合学习和首次实践统计的（开源或免费）统计软件的建议？ 编辑 感谢您的建议。我研究了gretl，以及在我自己的在线查询中发现的其他两个程序：RapidMiner和Statistics Lab。[1] 我发现gretl的接口和输出比Rcmdr，SPSS或Stata更加清晰和集中。因此，从我的角度来看，它是开始教授统计学的一个很好的工具。 但是，流程图GUI的RapidMiner和Statistical Lab当他们可视化统计分析的单个步骤（从加载数据开始）时，我印象深刻。我认为这可能对许多通常专注于数学解释的学生有所帮助。当然，对我来说，RapidMiner似乎对初学者来说功能，菜单和按钮太重了，而统计实验室则更加专注。统计实验室的最大优势是带有控制台的“ R计算器”和“ R代码向导”，可帮助产生真正的R语法，因为统计实验室依赖R其计算。 最后，我决定在第一学期开始统计实验室，同时介绍基本概念，并在第二学期切换到RStudio（和Rcmdr）。 [1]：在我看来，Gnumeric，SciPy，Scilab，GNU Octave等似乎都不是针对社会科学的。

11 software  teaching 

我打算给青少年一个小时的统计讲座。我可能只会看到一次。这种情况可能会一再发生。 我想给他们一些活动，让他们体验统计数据。 但是我被迫与对概率，统计推断，探索性分析一无所知的人一起做。 我的想法是浏览一些媒体有时使用的简单可视化“技巧”，然后对它们进行一些揭穿。（请不要给我链接“如何撒谎”）） 另一个想法是（也）给他们分配任务，让他们进行实验以发现一些东西。例如：发现他们是否可以检测可口可乐和RC可乐之间的区别。 我正在寻找有关如何处理它们的建议，或正在寻找相关材料的资源。

11 teaching 

我想找到一些“现实世界的例子”来教授贝叶斯统计。贝叶斯统计允许人们将先验知识正式纳入分析。我想给学生一些简单的现实世界中的研究人员实例，这些研究人员将先验知识整合到他们的分析中，以便学生可以更好地理解为什么首先要使用贝叶斯统计的动机。 您是否知道任何简单的现实世界示例，例如估算总体均值，比例，回归等，研究人员正式将先前的信息纳入其中？我意识到贝叶斯主义者也可以使用“非信息”先验，但是我对使用信息先验（即真实先验信息）的真实示例特别感兴趣。

10 bayesian  teaching 

我很想知道孩子们在世界各地学习的统计数据水平。您能否建议可以说明这方面正在发生什么的数据/链接？ 我开始 以色列：参加高级数学学习的学生或多或少-均值，标准差，直方图，正态分布，非常基本的概率。

10 dataset  teaching 

我正在教授基础统计学课程，今天我将介绍两类独立性的卡方检验和同质性检验。这两种方案在概念上是不同的，但是可以使用相同的测试统计量和分布。在同质性测试中，其中一个类别的边际总数被认为是设计本身的一部分-它们代表为每个实验组选择的主题数。但是，由于卡方检验围绕所有边际总数的条件进行，因此，对同质性检验和具有分类数据的独立性检验进行区分不会有任何数学上的影响-使用该检验时至少没有。 我的问题如下：是否有任何流派的统计思想或统计方法会得出不同的分析结果，这取决于我们是在测试独立性（所有边际都是随机变量）还是在检验同质性（其中一组边际是由设计设置）？ 在连续的情况下，假设我们在同一主题上观察并进行独立性检验，或者观察不同人群中的并检验它们是否来自同一分布，则方法是不同的（相关性分析与t检验）。如果分类数据来自离散连续变量怎么办？独立性和同质性的检验是否应该区分开？（X，Y）(X,Y)(X,Y)（X1个，X2）(X1,X2)(X_1, X_2)

10 chi-squared  independence  heteroscedasticity  teaching 

已关闭。这个问题是基于观点的。它当前不接受答案。 想改善这个问题吗？更新问题，以便通过编辑此帖子以事实和引用的形式回答。 3年前关闭。 我正在选择3种统计学课程来参加我的应用数学课程群（专注于精算科学或统计分析）。您认为以下哪三类在金融/科技/计算机科学领域最有用/最适用？ 随机过程（随机行走，离散时间马尔可夫链，泊松过程） 线性建模：理论与应用 时间序列简介 现代统计预测与机器学习 博弈论 计量经济分析简介（统计与经济之间的交叉注册）

9 teaching  careers