本课程深入探讨数据分析赖以建立的统计基础。课程的第一部分将帮助您彻底了解您的数据集以及数据的实际含义。然后，它将进入 Sampling，包括如何提出有关数据的具体问题，以及如何进行分析以回答这些问题。 如今，数据分析师所犯的许多错误都是由于不了解他们所运行的测试背后的概念，从而导致错误的测试或曲解结果。本课程旨在为您提供必要的背景知识，让您从实际意义上理解您的操作 "是什么 "和 "为什么"。

课程结束后，您将能够 - 理解因变量和自变量的概念 - 确定要测试的变量 - 理解 Null Hypothesis、P-Values 及其在测试假设中的作用 - 提出假设并使其与业务目标相一致 - 确定基于假设验证/无效的行动 - 解释描述性统计（平均值、中位数、标准偏差、分布）及其使用案例 - 理解推断统计的基本概念 - 解释不同层次的分析（描述性、预测性、使用历史数据和基本统计模型创建时间系列预测 - 理解线性回归的基本假设、使用案例和局限性 - 将线性回归模型拟合到数据集，并使用 Tableau 解释输出结果 - 解释线性回归和多元回归之间的区别 - 运行细分（Cluster）分析 - 描述观察方法和实验之间的区别 本课程专为想要学习基本的描述性和推断性统计的人员设计。