Statistics 4mr 2021-22 — различия между версиями
(семинары 8, 9) |
м (anova) |
||
Строка 122: | Строка 122: | ||
[https://youtu.be/sufwhXz-0Co Запись лекции] | [https://youtu.be/sufwhXz-0Co Запись лекции] | ||
− | ==== Лекция 11. Anova ==== | + | ==== Лекция 11. Anova - 1 ==== |
[https://youtu.be/A_IFVLzqpts Запись лекции] | [https://youtu.be/A_IFVLzqpts Запись лекции] | ||
− | |||
== Полезные источники в перемешку == | == Полезные источники в перемешку == |
Версия 10:13, 8 декабря 2021
Содержание
- 1 О курсе
- 2 Литература
- 3 Боевой листок
- 3.1 Лекция 1. Наивный bootstrap, bootstrap t-статистики, bootstrap в bootstrap
- 3.2 Лекция 2. Дикий bootstrap, парный bootstrap, пуассоновский bootstrap
- 3.3 Лекция 3. Ещё немного про бутстрэп, тест Уэлча
- 3.4 Лекция 4. Манн Уитни, CUPED
- 3.5 Лекция 5. CUPED, DND
- 3.6 Лекция 6. Мэтчинг
- 3.7 Лекция 7. Поправка Бонферрони
- 3.8 Лекция 8. Sampling
- 3.9 Лекция 9. Стратификация, вычисление размера выборки
- 3.10 Лекция 10. MDE
- 3.11 Лекция 11. Anova - 1
- 4 Полезные источники в перемешку
О курсе
Оценивание
UoL = Экзамен * 0.7 + Письменная (или курсовая) работа * 0.3
Итоговая оценка = Экзамен * 0.5 + 0.3 * Контрольная работа + 0.2 * Домашняя работа
Module 1
(1 lecture + 1 class per group X 7 weeks)
- Bootstrap
- Welch test
- Mann-Whitney test
- CUPED
- Difference in Difference estimator
- Matching
- Multiple comparison corrections
Module 2
(1 lecture + 1 class per group X 8 weeks)
- Sampling
- Sample size calculation
- Contingency tables, Chi-squared tests
- ANOVA, ANCOVA
- Partial correlation
Module 3
(1 lecture + 1 class per group X 11 weeks)
- Discriminant analysis
- Logit
- PCA
- Factor analysis
- Cluster analysis, Dendrogramms
- Conjoint Analysis
- Multidimensional scaling
Литература
Вспоминаем тервер и матстат
Книжки попроще
- Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences
- Феллер В. Введение в теорию вероятностей и её приложения
Посложнее
- Larry Wasserman. All of Statistics: A Concise Course in Statistical Inference
- David Williams. Weighing the Odds. A Course in Probability and Statistics
- Ширяев А.Н. Вероятность - 1 .
Советы от UoL
- Malhotra, N.K. D.F. Birks and P.A. Wills Marketing Research, Pearson, fourth edition
Боевой листок
Лекция 1. Наивный bootstrap, bootstrap t-статистики, bootstrap в bootstrap
Полезно почитать:
- Tim Hestenberg, What teachers should know about the bootstrap
- Edgeworth expansion
Тетрадка с семинара:
Лекция 2. Дикий bootstrap, парный bootstrap, пуассоновский bootstrap
Полезно почитать:
Тетрадка с семинара:
Лекция 3. Ещё немного про бутстрэп, тест Уэлча
Тетрадка с семинара:
Лекция 4. Манн Уитни, CUPED
Полезно почитать:
- Deng, Improving the Sensitivity of Online Experiments
- Victor Lei, How booking increases power with CUPED
Тетрадка с семинара:
Лекция 5. CUPED, DND
Тетрадка с семинара:
Лекция 6. Мэтчинг
Тетрадка с семинара:
Лекция 7. Поправка Бонферрони
Тетрадка с семинара:
Лекция 8. Sampling
Тетрадка с семинара:
Лекция 9. Стратификация, вычисление размера выборки
Тетрадка с семинара:
Лекция 10. MDE
Лекция 11. Anova - 1
Полезные источники в перемешку
General AB:
- VK practitioner guide
- Deng, Trustworthy analysis of online A/B tests: Pitfalls, challenges and solutions
- Deng, webpage
- Stats SE, AB testing for ratio of sums
- Guide to AB. Тесты для таблиц сопряжённости, Welch test, Mann-Whitney.
Bootstrap:
- Tim Hestenberg, What teachers should know about the bootstrap. Лучшее первое знакомство с бутстрэпом. Если есть время на один источник по бутстрэпу, то это то, что нужно.
- Edgeworth expansion. Большая книжка с брутальной теорией, преобразованиями Фурье, доказательствами и картинкой с матрёшками.
- James MacKinnon, Bootstrap Methods in Econometrics (про дикий и парный бутстрэп)
- Poisson bootstrap
- Evaluation of Bootstrap Methods
Робастные ошибки в регрессии:
- James Mackinnon, 30 years of robust inference
CUPED + CUPAC:
Оригинальная статья, на CUPED можно смотреть как на две подряд применённых регрессии :)
- Victor Lei, How booking increases power with CUPED
- CUPAC
Де-факто: признак генерируется любым алгоритмом машинного обучения, затем множественная регрессия с кластер-робастными стандартными ошибками.
Linearization + Delta-method:
- Transformation of Ratio Metrics
- Approximate E, Var for ratio
- Deng, Applying delta method: practical guide with novel ideas
Эффекты воздействия:
- Рубен Ениколопоп, Эффекты воздействия. Мэтчинг, propensity score.
- Matheus Facure, Causal inference for Brave and True. Инструментальные переменные, мэтчинг, RDD и прочие попытки выяснить причинно-следственные связи на неэкспериментальных данных. С мемасиками и в питоне.