你将通过基于最好的计算机和编程技术的最详尽的知识为计算统计学的进步做出贡献"

统计学领域取得的进展有助于在大量收集数据、分析数据和得出结论的基础上做出准确和有效的决策。然而，如果有一个因素大大促进了这个科学的发展，那就是它与计算机的协调行动，由于它的存在，才有可能使任务自动化，优化行动，并在几秒钟内处理大量的信息。复杂算法的编程以及静态和动态数据结构的设计，使这一领域的专业人员能够以更安全和有保障的方式对趋势进行估计，并对当前环境中的不同社会、经济和政治进行预测。

基于这一点以及这个领域所需的非常高的知识水平，TECH及其专家团队决定推出一个课程，使毕业生能够通过对其主要领域的全面考察，深入研究计算统计学。这就是这个硕士，1500小时的学术经历，涵盖了与数据描述和探索、编程和主要统计软件（SPSS和R）的使用有关的最新发展。也关注统计学在当今工业中的应用和不同部门的样这个设计。最后，强调了主要的多变量技术，以提高结果的质量，从而提高预测的质量。

所有这些都是100%在线进行的，并通过这个领域真正的专家设计的课程，他们不仅积极参与制定教学大纲，而且还选择了数百个小时的各种附加材料：使用案例、详细的视频、研究文章、进一步的阅读，以及更多的内容！从学术活动开始，所有的东西都可以在虚拟校园里找到，可以下载到任何有互联网连接的设备上。通过这种方式，TECH提供了全面和灵活的培训，以适应其毕业生的需求和当前劳动力市场对计算统计的最苛刻要求。

实现卓越和最高的专业水平并不复杂，你可通过这个硕士的课程获得高度专业化"

这个计算统计学校级硕士包含市场上最完整和最新的课程。主要特点是：

• 计算统计专家介绍的实际案例的开发
• 这个书的内容图文并茂、示意性强、实用性强，为那些专业实践中必不可少的学科提供技术和实用信息
• 实践练习，可进行自我评估以改善学习效果其主要特点包括
• 特别强调创新方法论
• 提供理论课程、专家解答问题、有争议话题的讨论论坛以及个人思考作业等
• 可以在任何连接互联网的固定或便携设备上访问课程内容

通过掌握关键概念和使用主要计算机软件，从基础到详尽的管理，解决计算统计学的学位"

其教学人员包括来自这个部门的专业人员，他们将自己的工作经验带入这项培训，以及来自领先公司和著名大学的公认专家。

通过采用最新的教育技术制作的多媒体内容，专业人士将能够进行情境化学习，即通过模拟环境进行沉浸式培训，以应对真实情况。

该计划设计以问题导向的学习为中心，专业人士将在整个学年中尝试解决各种实践情况。为此，它将得到知名专家制作的新的互动视频系统的帮助。

你将利用当前计算环境中最创新和最有效的描述技术，从事复杂算法的设计工作"

在虚拟校园中，你会发现1500小时的多样化内容，你可以通过任何有互联网连接的设备，随时随地访问这些内容"

这个学位的教学大纲是由计算机科学和统计学领域的专家团队制定的，他们遵循TECH严格的质量标准，选择了这个领域最前沿和全面的信息。此外，这也适应了再学习的方法，包括在整个教学大纲中重申最重要的概念，有利于循序渐进的学习，而不需要投入额外的时间来记忆。通过这种方式，毕业生将参加最高学术水平的培训，毫无疑问，将获得计算统计学工具和技术的专业管理。

你将有一个专门针对六西格玛方法的特定模块，通过这个模块，你将能够减少向客户/用户交付产品或服务时的缺陷或失败"

模块 1. 数据描述和探索

1.1. 统计学概论

1.1.1. 统计学基础概念
1.1.2. 探索性数据分析或描述性统计的目的
1.1.3. 变量类型和测量尺度
1.1.4. 四舍五入和科学记数法

1.2. 统计数据概要

1.2.1. 频率分布：表格
1.2.2. 间隔聚类
1.2.3. 图形表示法
1.2.4. 微分图
1.2.5. 积分图

1.3. 一维描述性统计

1.3.1. 中心位置特征：均值、中位数、众数
1.3.2. 其他职位特征：四分位数、十分位数和百分位数
1.3.3. 离散特征：方差和标准差（样本和总体）、极差、四分位间距
1.3.4. 相对色散特性
1.3.5. 标准化分数
1.3.6. 形状特征：对称和峰度

1.4. 变量研究中的补语

1.4.1. 探索性分析：箱线图和其他图表
1.4.2. 变量变换
1.4.3. 其他方式：几何、调和、二次
1.4.4. 切比雪夫不等式

1.5. 二维描述性统计

1.5.1. 二维频率分布
1.5.2. 复式统计表边际和条件分布
1.5.3. 独立性和功能依赖性的概念
1.5.4. 图形表示法

1.6. 两个变量研究中的互补

1.6.1. 二维分布的数值特征
1.6.2. 关节力矩、边缘力矩和条件力矩
1.6.3. 边际措施和条件措施之间的关系

1.7. 回归

1.7.1. 一般回归线
1.7.2. 回归曲线 
1.7.3. 线性拟合
1.7.4. 预测与错误

1.8. 相关性

1.8.1. 相关性的概念
1.8.2. 相关比率
1.8.3. 皮尔逊相关系数
1.8.4. 相关性分析

1.9. 属性之间的相关性

1.9.1. 斯皮尔曼系数
1.9.2. 肯德尔系数
1.9.3. 卡方

1.10. 时间序列简介

1.10.1. 时序
1.10.2. 随机过程

1.10.2.1. 固定过程
1.10.2.2. 非平稳过程

1.10.3. 模型
1.10.4. 应用

模块 2. 编程

2.1. 案学概论

2.1.1. 计算机的基这个结构
2.1.2. 软件
2.1.3. 编程语言
2.1.4. 计算机应用程序的生命周期

2.2. 算法设计

2.2.1. 问题的解决
2.2.2. 描述性技术
2.2.3. 算法的元素和结构

2.3. 程序的要素

2.3.1. C++语言的起源和特点
2.3.2. 开发环境
2.3.3. 方案概念
2.3.4. 基这个数据类型
2.3.5. 操作符
2.3.6. 表达方式
2.3.7. 句子
2.3.8. 输入和输出数据

2.4. 控制语句

2.4.1. 句子
2.4.2. 分叉
2.4.3. 循环

2.5. 抽象和模块化：函数

2.5.1. 模块化设计
2.5.2. 功能和效用的概念
2.5.3. 函数的定义
2.5.4. 函数调用的执行流程
2.5.5. 原型化一个函数
2.5.6. 结果返回
2.5.7. 调用函数：参数
2.5.8. 通过引用和值传递参数
2.5.9. 标识符范围

2.6. 静态数据结构

2.6.1. 数组
2.6.2. 矩阵多面体
2.6.3. 搜索和排序
2.6.4. 链字符串的 I/O 函数
2.6.5. 结构。連結
2.6.6. 新数据类型

2.7. 动态数据结构：指针

2.7.1. 概念指针定义
2.7.2. 运算符和指针操作
2.7.3. 指针数组
2.7.4. 指针与数组
2.7.5. 指向字符串的指针
2.7.6. 结构体指针
2.7.7. 多重间接
2.7.8. 指向函数的指针
2.7.9. 将函数、结构和数组作为函数参数传递

2.8. 文件

2.8.1. 基这个概念
2.8.2. 文件操作
2.8.3. 文件类型
2.8.4. 文件的组织
2.8.5. C++ 文件简介
2.8.6. 文件管理

2.9. 递归

2.9.1. 递归的定义
2.9.2. 递归类型
2.9.3. 优缺点
2.9.4. 考虑因素
2.9.5. 递归-迭代转换
2.9.6. 递归栈

2.10. 测试和文档

2.10.1. 程序测试
2.10.2. 白盒测试
2.10.3. 黑盒测试
2.10.4. 测试工具
2.10.5. 程序文档

模块 3. 统计软件 I

3.1. SPSS环境简介

3.1.1. SPSS 如何运作
3.1.2. 在内存中创建、列出和删除对象

3.2. SPSS 的控制台

3.2.1. SPSS 中的控制台环境
3.2.2. 主要控制

3.3. SPSS 脚本模式

3.3.1. SPSS 脚本环境
3.3.2. 主指令

3.4. SPSS 的对象

3.4.1. 物品
3.4.2. 从文件中读取数据
3.4.3. 保存数据
3.4.4. 数据生成

3.5. 执行流控制结构

3.5.1. 条件结构
3.5.2. 重复/迭代结构
3.5.3. 向量和矩阵

3.6. 对象操作

3.6.1. 对象创建
3.6.2. 对象转换
3.6.3. 操作符
3.6.4. 如何访问对象的值：索引系统?
3.6.5. 访问具有名称的对象的值
3.6.6. 数据编辑器
3.6.7. 简单的算术函数
3.6.8. 矩阵计算

3.7. SPSS中的功能

3.7.1. 循环和矢量化
3.7.2. 创建自己的函数

3.8. SPSS 的图表

3.8.1. 图形处理

3.8.1.1. 打开多个图形设备
3.8.1.2. 图的布局

3.8.2. 图形功能
3.8.3. 图形参数

3.9. SPSS 软件包

3.9.1. SPSS 库
3.9.2. SPSS 软件包

3.10. SPSS 统计

3.10.1. 方差分析的一个简单例子
3.10.2. 公式
3.10.3. 通用函数

模块 4. 统计软件 II

4.1. R环境简介

4.1.1. R 是如何工作的？
4.1.2. 在内存中创建、列出和删除对象

4.2. R 中的控制台

4.2.1. R 中的控制台环境
4.2.2. 主要控制

4.3. R 脚本模式

4.3.1. R 中的控制台环境
4.3.2. 主指令

4.4. R 中的对象

4.4.1. 物品
4.4.2. 从文件中读取数据
4.4.3. 保存数据
4.4.4. 数据生成

4.5. 执行流控制结构

4.5.1. 条件结构
4.5.2. 重复/迭代结构
4.5.3. 向量和矩阵

4.6. 对象操作

4.6.1. 对象创建
4.6.2. 对象转换
4.6.3. 操作符
4.6.4. 如何访问对象的值：索引系统
4.6.5. 访问具有名称的对象的值
4.6.6. 数据编辑器
4.6.7. 简单的算术函数
4.6.8. 矩阵计算

4.7. R 中的函数

4.7.1. 循环和矢量化
4.7.2. 在 R 中编写程序
4.7.3. 创建自己的函数

4.8. R图形

4.8.1. 图形处理

4.8.1.1. 打开多个图形设备
4.8.1.2. 图的布局

4.8.2. 图形功能
4.8.3. 低级绘图命令
4.8.4. 图形参数
4.8.5. Grid 和 Lattice 包

4.9. R 软件包

4.9.1. R书店
4.9.2. R 软件包

4.10. R 的统计数据

4.10.1. 方差分析的一个简单例子
4.10.2. 公式
4.10.3. 通用函数

模块 5. 统计学在工业中的应用

5.1. 队列理论

5.1.1. 简介
5.1.2. 队列系统
5.1.3. 有效性措施
5.1.4. 泊松过程
5.1.5. 指数分布
5.1.6. 出生和死亡过程
5.1.7. 使用服务器排队模型
5.1.8. 具有多个服务器的模型
5.1.9. 容量有限的队列模型
5.1.10. 来源有限的模型
5.1.11. 通用机型

5.2. 图表简介

5.2.2. 基这个概念
5.2.3. 有向图和无向图
5.2.4. 矩阵表示：邻接矩阵和关联矩阵

5.3. 图形应用

5.3.1. 树：属性
5.3.2. 有根的树
5.3.3. 深度搜索算法
5.3.4. 申请阻止确定
5.3.5. 广度搜索算法
5.3.6.最小权重覆盖树

5.4. 路径和距离

5.4.1. 图表中的距离
5.4.2. 关键路径算法

5.5. 峰值流量

5.5.1. 运输网络
5.5.2. 以最低成这个分配流量

5.6. 计划评估和审查技术 (PERT)

5.6.1. 定义
5.6.2. 方法
5.6.3. 应用

5.7. 关键路径或关键路径法 (CPM)

5.7.1. 定义
5.7.2. 方法
5.7.3. 应用

5.8. 项目管理

5.8.1. PERT和CPM方法的区别和优势
5.8.2. 绘制网络模型的过程
5.8.3. 具有随机活动持续时间的应用

5.9. 确定性库存

5.9.1. 与流量相关的成这个
5.9.2. 与库存或存储相关的成这个
5.9.3. 与流程相关的成这个补货计划
5.9.4. 库存管理模型

5.10. 概率库存

5.10.1. 服务水平和安全库存
5.10.2. 最优订单量
5.10.3. 一段时间
5.10.4. 各个时期
5.10.5. 持续审查
5.10.6. 定期修订

模块 6. 抽样设计

6.1. 一般抽样注意事项

6.1.1. 简介
6.1.2. 历史笔记
6.1.3. 人口、框架和样这个的概念
6.1.4. 抽样的优点和缺点
6.1.5. 抽样过程的阶段
6.1.6. 采样应用
6.1.7. 抽样的类型
6.1.8. 样这个设计

6.2. 简单随机抽样

6.2.1. 简介
6.2.2. MAS (N, n)、MASR 及相关参数的抽样设计定义
6.2.3. 人口参数的估计
6.2.4. 样这个量的确定（无需更换）
6.2.5. 样这个量的确定（有替换）
6.2.6. 无放回和有放回的简单随机抽样比较
6.2.7. 亚群估计

6.3. 概率抽样

6.3.1. 简介
6.3.2. 抽样设计或程序
6.3.3. 统计量、估计量及其性质
6.3.4. 抽样中估计量的分布
6.3.5. 选择无替换和有替换的单元赔率相等
6.3.6. 变量的同时估计

6.4. 概率抽样应用

6.4.1. 主要应用
6.4.2. 实例

6.5. 分层随机抽样

6.5.1. 简介
6.5.2. 定义和特征
6.5.3. M.A.E(n) 下的估算器
6.5.4. 词缀
6.5.5. 样这个量的确定
6.5.6. M.A.E 的其他方面

6.6. 分层随机抽样应用

6.6.1. 主要应用
6.6.2. 实例

6.7. 系统抽样

6.7.1. 简介
6.7.2. 系统抽样的估计
6.7.3. 系统抽样中的方差分解
6.7.4. 系统抽样相对于 MAS 的效率
6.7.5. 方差估计：重复样这个或互穿样这个

6.8. 系统抽样应用

6.8.1. 主要应用
6.8.2. 实例

6.9. 间接估计法

6.9.1. 推理方法
6.9.2. 回归方法

6.10. 间接估计方法的应用

6.10.1. 主要应用
6.10.2. 实例

模块 7. 多变量统计技术I

7.1. 因素分析

7.1.1. 简介
7.1.2. 因素分析的基这个原理
7.1.3. 因素分析
7.1.4. 因素旋转方法与因素分析的解释

7.2. 因素分析建模

7.2.1. 实例
7.2.2. 在统计软件中建模

7.3. 主成分分析

7.3.1. 简介
7.3.2. 主成分分析
7.3.3. 主成分分析系统学

7.4. 主成分分析建模

7.4.1. 实例
7.4.2. 在统计软件中建模

7.5. 对应分析

7.5.1. 简介
7.5.2. 独立性测试
7.5.3. 行配置文件和列配置文件
7.5.4. 点云的惯性分析
7.5.5. 多重对应分析

7.6. 对应分析建模

7.6.1. 实例
7.6.2. 在统计软件中建模

7.7. 判别分析

7.7.1. 简介
7.7.2. 两组决策规则
7.7.3. 对不同人群的分类
7.7.4. Fisher 的典型判别分析
7.7.5. 变量选择：前向和后向过程
7.7.6. 判别分析系统学

7.8. 判别分析建模

7.8.1. 实例
7.8.2. 在统计软件中建模

7.9. 聚类分析

7.9.1. 简介
7.9.2. 距离和相似性的度量
7.9.3. 分层分类算法
7.9.4. 非层次分类算法
7.9.5. 确定适当组数的程序
7.9.6. 簇的表征
7.9.7. 聚类分析系统化

7.10. 聚类分析建模

7.10.1. 实例
7.10.2. 在统计软件中建模

模块 8. 多变量统计技术II

8.1. 简介
8.2. 名义规模

8.2.1. 2x2 表的关联度量

8.2.1.1. Phi系数
8.2.1.2. 相对风险
8.2.1.3. 叉积比（优势比）

8.2.2. IxJ 表的关联度量

8.2.2.1. 应变系数
8.2.2.2. V代表克莱默
8.2.2.3. 拉姆达斯
8.2.2.4. Goodman 和 Kruskal 的 tau
8.2.2.5. 不确定系数

8.2.3. 卡帕系数

8.3. 顺序量表

8.3.1. 伽玛系数
8.3.2. Kendall 的 Tau-b 和 Tau-c
8.3.3. D代表萨默斯

8.4. 间隔或比例尺度

8.4.1. Eta系数
8.4.2. Pearson 和 Spearman 相关系数

8.5. 2x2 表中的分层分析

8.5.1. 分层分析
8.5.2. 2x2 表中的分层分析

8.6. 对数线性模型中问题的表述

8.6.1. 两个变量的饱和模型
8.6.2. 一般饱和的模型
8.6.3. 其他类型机型

8.7. 饱和的模型

8.7.1. 效果计算
8.7.2. 适合度
8.7.3. k效应检验
8.7.4. 部分联想测验

8.8. 层次模型

8.8.1. 落后的方法

8.9. 概率响应模型

8.9.1. 问题表述
8.9.2. 参数估计
8.9.3. 卡方拟合优度检验
8.9.4. 组的并行性测试
8.9.5. 估计获得给定反应率所需的剂量

8.10. 二元逻辑回归

8.10.1. 问题表述
8.10.2. 逻辑回归中的定性变量
8.10.3. 变量选择
8.10.4. 参数估计
8.10.5. 适合度
8.10.6. 个人分类
8.10.7. 预测

模块 9. 用于质量改进的六西格玛方法论

9.1. 统计质量保证

9.1.1. 简介
9.1.2. 统计质量保证

9.2. 六西格玛方法论

9.2.1. 质量规定
9.2.2. 六西格玛方法论

9.3. 控制图

9.3.1. 简介
9.3.2. 统计控制过程和失控过程
9.3.3. 控制图形和假设对比
9.3.4. 控制图形的统计基础一般模型
9.3.5. 控制图形的类型

9.4. 其他基这个的SPC工具

9.4.1. 说明性实用案例
9.4.2. 其余的“壮丽七”

9.5. 属性的控制图形

9.5.1. 简介
9.5.2. 非编译分数的控制图形
9.5.3. 非符合编号的控制图形
9.5.4. 缺陷的控制图形

9.6. 变量的控制图形

9.6.1. 简介
9.6.2. 平均和范围控制图形
9.6.3. 单个单元的控制图形
9.6.4. 基于移动袜的控制图形

9.7. 接受抽样批量的属性

9.7.1. 简介
9.7.2. 简单属性采样
9.7.3. 双属性采样
9.7.4. 多个属性采样
9.7.5. 顺序采样
9.7.6. 矫正检查

9.8. 过程能力分析和测量系统

9.8.1. 流程容量分析
9.8.2. 测量系统容量研究

9.9. 过程优化的Taguchi方法论简介

9.9.1. 过程优化的Taguchi方法论简介
9.9.2. 通过流程优化质量

9.10. 案例研究

9.10.1. 属性控制图形的实际情况
9.10.2. 变量控制图形的实际情况
9.10.3. 通过属性进行接受抽样的实际情况
9.10.4. 过程分析和测量系统的实际情况
9.10.5. 用于过程优化的田口方法简介的说明性案例研究

模块 10. 先进的预测技术

10.1. 一般线性回归模型

10.1.1. 定义
10.1.2. 特性
10.1.3. 实例

10.2. 部分最小正方形的回归

10.2.1. 定义
10.2.2. 特性
10.2.3. 实例

10.3. 主要组件的回归

10.3.1. 定义
10.3.2. 特性
10.3.3. 实例

10.4. RRR回归

10.4.1. 定义
10.4.2. 特性
10.4.3. 实例

10.5. Ridge回归

10.5.1. 定义
10.5.2. 特性
10.5.3. 实例

10.6. 拉索回归

10.6.1. 定义
10.6.2. 特性
10.6.3. 实例

10.7. Elasticnet回归

10.7.1. 定义
10.7.2. 特性
10.7.3. 实例

10.8. 非线性预测模型

10.8.1. 非线性回归模型
10.8.2. 非线性最小值
10.8.3. 转换为线性模型

10.9. 非线性系统中参数的估计

10.9.1. 线性
10.9.2. 其他参数估计方法
10.9.3. 初步评估
10.9.4. 电脑程序

10.10. 非线性回归的统计推断

10.10.1. 非线性回归的统计推断
10.10.2. 近似推理的验证
10.10.3. 实例

这是一个完美的机会，让你的职业生涯来个180度的大转变，学习这个不断发展的领域：计算统计学。你打算错过吗？”