Ir al contenido principal

Curso

Modelización de regresión bayesiana con rstanarm

AvanzadoNivel de habilidad

Actualizado 12/2021

Aprende a aprovechar los métodos de estimación bayesiana para hacer mejores inferencias sobre los modelos de regresión lineal.

Comienza el curso gratis

RProbability & Statistics

4 h

15 vídeos

45 Ejercicios

3,400 XP

7,081

Certificado de logros

Preferido por estudiantes en miles de empresas

¿Formando un equipo?

Prueba para empresas

Descripción del curso

La estimación bayesiana ofrece una alternativa flexible a las técnicas de modelización en las que las inferencias dependen de los valores p. En este curso aprenderás a estimar modelos de regresión lineal utilizando métodos bayesianos y el paquete rstanarm. Se te presentarán las distribuciones a priori, la comprobación de modelos predictivos a posteriori y las comparaciones de modelos dentro del marco bayesiano. También aprenderás a utilizar tu modelo estimado para hacer predicciones sobre nuevos datos.

Requisitos previos

Bayesian Modeling with RJAGS Introduction to Data Visualization with ggplot2 Intermediate Regression in R

1

Introducción a los modelos lineales bayesianos

Una revisión de la regresión frecuentista mediante lm(), una introducción a la regresión bayesiana mediante stan_glm(), y una comparación de los resultados respectivos.

Regresión lineal no bayesiana

Explorar los datos

Ajuste de una regresión lineal frecuentista

Regresión lineal bayesiana

Ajuste de una regresión lineal bayesiana

Criterios de convergencia

Evaluar la convergencia del modelo

Comparación de los métodos frecuentista y bayesiano

Diferencia entre frecuentistas y bayesianos

Crear intervalos creíbles

Iniciar capítulo

2

Modificar un modelo bayesiano

Aprende a modificar tu modelo bayesiano, cambiando el número y la longitud de las cadenas, modificando las distribuciones a priori y añadiendo predictores.

¿Qué hay en un modelo bayesiano?

Alterar cadenas

¿Tengo suficientes iteraciones?

Distribuciones anteriores

Determinar las distribuciones previas

Calcular baremos ajustados

Prioridades no ajustadas

Prioridades especificadas por el usuario

Cambio de Prioridades

Especificación de priores informativos

Consecuencias de los priores informativos

Alterar el proceso de estimación

Alterar la estimación

Iniciar capítulo

3

Evaluar el ajuste del modelo

En este capítulo, aprenderemos a determinar si nuestro modelo estimado se ajusta a nuestros datos y a comparar modelos competidores.

Utilizando el estadístico R al cuadrado

Cálculo del R-cuadrado frecuentista

R-cuadrado de un modelo bayesiano

Comprobaciones posteriores del modelo predictivo

Distribuciones de puntuación previstas

Distribuciones para una sola observación

Ajuste del modelo con comprobaciones posteriores del modelo predictivo

R-cuadrado Posterior

Pruebas predictivas posteriores

Comparaciones de modelos bayesianos

Cálculo de la estimación LOO

Comparación de modelos

Iniciar capítulo

4

Presentar y utilizar una regresión bayesiana

En este capítulo, aprenderemos a utilizar el modelo estimado para crear visualizaciones de tu modelo y hacer predicciones para nuevos datos.

Visualizar un modelo bayesiano

Trazar un modelo bayesiano

Trazado de la incertidumbre del modelo

Hacer predicciones

Popularidad de las canciones observadas

Popularidad de las nuevas canciones

Visualizar predicciones

Formato de las predicciones posteriores

Visualizar nuevas predicciones

Conclusión

Iniciar capítulo

Modelización de regresión bayesiana con rstanarm

Curso
completo

Obtener certificado de logros

Añade esta certificación a tu perfil de LinkedIn o a tu currículum.
Compártelo en redes sociales y en tu evaluación de desempeño.Inscríbete ahora

¡Únete a 19 millones de estudiantes y empieza Modelización de regresión bayesiana con rstanarm hoy mismo!

Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.