Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
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
Programa de formación
Esquema del curso
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 bayesiana50 XP
- Explorar los datos100 XP
- Ajuste de una regresión lineal frecuentista100 XP
- Regresión lineal bayesiana50 XP
- Ajuste de una regresión lineal bayesiana100 XP
- Criterios de convergencia50 XP
- Evaluar la convergencia del modelo50 XP
- Comparación de los métodos frecuentista y bayesiano50 XP
- Diferencia entre frecuentistas y bayesianos50 XP
- Crear intervalos creíbles100 XP
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.
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.
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.
R
Modelización de regresión bayesiana con rstanarm
Curso
completado
