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 regresión lineal es una herramienta fundamental de la estadística, pero no puede manejar algunos tipos de datos complejos. Un modelo lineal generalizado (GLM) amplía la regresión lineal para incluir distribuciones no normales, como datos binomiales y de conteo. A lo largo de este curso, ampliarás tu conjunto de herramientas de data science para incluir GLMs en R. Como parte del aprendizaje sobre GLMs, verás cómo ajustar datos binomiales con regresión logística y datos de conteo con regresión de Poisson. También aprenderás a interpretar estos resultados y a representarlos con ggplot2.
Requisitos previos
Programa de formación
Esquema del curso
1
GLMs, una extensión de tu caja de herramientas de regresión
En este capítulo aprenderás cómo los modelos lineales generalizados amplían otros modelos de tu caja de herramientas de data science. El capítulo también utiliza la regresión de Poisson para introducir los modelos lineales generalizados.
- Limitaciones de los modelos lineales50 XP
- Supuestos de los modelos lineales50 XP
- Repaso: ajuste de modelos lineales100 XP
- Regresión de Poisson50 XP
- Ajustar una regresión de Poisson en R100 XP
- Comparar regresión lineal y de Poisson100 XP
- Interceptos: comparaciones frente a medias100 XP
- Funciones básicas de lm() con glm()50 XP
- Aplicar summary(), print() y tidy() a glm100 XP
- Extraer coeficientes con glm()100 XP
- Predecir con glm()100 XP
2
Regresión logística
Este capítulo trata sobre cómo ejecutar una regresión logística y analizar los Resultados del modelo.
3
Interpretación y visualización de GLMs
Este capítulo te enseña a interpretar los coeficientes de un GLM y a representar GLMs con ggplot2.
4
Regresión múltiple con GLMs
En este capítulo, aprenderás a hacer regresión múltiple con GLMs en R.
R
Modelos Lineales Generalizados en R
Curso
completado
