Name: Modélisation de régression bayésienne avec rstanarm
Rating: 4.826086956521739 (69 reviews)

Description du cours

L’estimation bayésienne offre une alternative flexible aux techniques de modélisation dont les inférences reposent sur des valeurs p. Dans ce cours, vous apprendrez à estimer des modèles de régression linéaire avec des méthodes bayésiennes et le package rstanarm. Vous serez initié aux distributions a priori, à la vérification prédictive a posteriori du modèle et aux comparaisons de modèles dans le cadre bayésien. Vous verrez également comment utiliser votre modèle estimé pour faire des prédictions sur de nouvelles données.

Prérequis

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

Programme de formation

Plan du cours

Introduction aux modèles linéaires bayésiens

Un rappel de la régression fréquentiste avec lm(), une introduction à la régression bayésienne avec stan_glm(), et une comparaison de leurs sorties respectives.

Commencer le chapitre

Modifier un modèle bayésien

Apprenez à modifier votre modèle bayésien, notamment en changeant le nombre et la longueur des chaînes, en ajustant les distributions a priori et en ajoutant des prédicteurs.

Commencer le chapitre

Évaluer l’ajustement du modèle

Dans ce chapitre, nous verrons comment déterminer si le modèle estimé s’ajuste à nos données et comment comparer des modèles concurrents.

Commencer le chapitre

Présenter et utiliser une régression bayésienne

Dans ce chapitre, nous verrons comment utiliser le modèle estimé pour créer des visualisations de votre modèle et faire des prédictions sur de nouvelles données.