In Woche 2 werden Sie lernen, wie man Bevölkerungs- und Stichprobenstatistiken sowie Quartile und Perzentile berechnet. Datenvisualisierung ist im Bereich der Statistik wichtig - Sie lernen alles über Histogramme, die zur grafischen Darstellung univariater Daten verwendet werden, sowie über Streudiagramme und Spaltenplots. Sie werden lernen, wie man univariate Daten in einem Box-Plot visualisiert, was eine gute Technik zur Identifizierung von Ausreißern ist. Schließlich lernen Sie, wie Sie Daten bereinigen und transformieren und robuste Schätzer in Datensätzen verwenden, die stark von Ausreißern beeinflusst sind.

In Woche 3 werden Sie alles über Wahrscheinlichkeit und Zähltechniken lernen. Ein gründliches Verständnis der Wahrscheinlichkeitsrechnung ist für das Studium der Statistik von entscheidender Bedeutung. Es gibt mehrere Regeln und Axiome, die die Wahrscheinlichkeit bestimmen, und Sie werden diese Regeln in mehreren Screencasts untersuchen. Schließlich werden Sie etwas über die bedingte Wahrscheinlichkeit lernen, die die Grundlage für den Satz von Bayes ist.

Woche 4 befasst sich mit diskreten Wahrscheinlichkeitsverteilungen, bei denen die Zufallsvariable auf diskrete Werte beschränkt ist. Mit diskreten Wahrscheinlichkeitsverteilungen können Statistiker probabilistische Vorhersagen in Bezug auf diskrete stochastische Modelle machen. Zu diesen Verteilungen gehören die Binomialverteilung, die geometrische Verteilung, die negative Binomialverteilung, die hypergeometrische Verteilung, die Multinomialverteilung und die Poisson-Verteilung.

Aufbauend auf dem, was Sie in Woche 4 über Wahrscheinlichkeitsverteilungen gelernt haben, werden Sie in Woche 5 kontinuierliche Zufallsvariablen und kontinuierliche Wahrscheinlichkeitsverteilungen untersuchen. Zu diesen Verteilungen gehören die allgemeine Normalverteilung und die Standardnormalverteilung, aber wir werden uns auch mit der Exponentialverteilung, der Gammaverteilung und anderen Verteilungen beschäftigen. Diese Verteilungen ermöglichen uns probabilistische Vorhersagen im Zusammenhang mit stochastischen Modellen.