After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
La stima bayesiana offre un’alternativa flessibile alle tecniche di modellazione in cui le inferenze dipendono dai p-value. In questo corso imparerai a stimare modelli di regressione lineare usando metodi bayesiani e il pacchetto rstanarm. Sarai introdotto alle distribuzioni a priori, al controllo predittivo a posteriori del modello e al confronto tra modelli nel quadro bayesiano. Imparerai anche a usare il modello stimato per fare previsioni su nuovi dati.
Prerequisiti
Curriculum
Programma del corso
1
Introduzione ai modelli lineari bayesiani
Ripasso della regressione frequentista con lm(), introduzione alla regressione bayesiana con stan_glm() e confronto dei rispettivi output.
- Regressione lineare non bayesiana50 XP
- Esplorare i dati100 XP
- Adattare una regressione lineare frequentista100 XP
- Regressione lineare bayesiana50 XP
- Adattare una regressione lineare bayesiana100 XP
- Criteri di convergenza50 XP
- Valutare la convergenza del modello50 XP
- Confrontare i metodi frequentisti e bayesiani50 XP
- Differenza tra frequentisti e bayesiani50 XP
- Creare intervalli credibili100 XP
2
Modificare un modello bayesiano
Scopri come modificare il tuo modello bayesiano, incluso il cambio del numero e della lunghezza delle catene, la modifica delle distribuzioni a priori e l’aggiunta di predittori.
3
Valutare l’adeguatezza del modello
In questo capitolo impareremo a capire se il modello stimato si adatta ai nostri dati e come confrontare modelli alternativi.
4
Presentare e usare una regressione bayesiana
In questo capitolo impareremo a usare il modello stimato per creare visualizzazioni del tuo modello e fare previsioni su nuovi dati.
R
Modellazione di regressione bayesiana con rstanarm
Corso
completato
