Dopo aver seguito questi corsi, mi sento sicuro nel creare visualizzazioni e dashboard professionali
Shoebur RahmanSpecialista degli acquisti, Giz Bangladesh
Descrizione del corso
In precedenza hai imparato i fondamenti dell’inferenza statistica e dei modelli lineari; ora il passo successivo è metterli insieme. Questo corso ti dà l’opportunità di riflettere su come campioni diversi possano produrre modelli lineari differenti, mentre il tuo obiettivo è comprendere il modello di popolazione sottostante. A partire dal modello lineare stimato, imparerai a creare intervalli di confidenza per la dimensione dell’effetto e a determinare se l’effetto è significativo. Gli intervalli di predizione per la variabile risposta verranno messi a confronto con le stime della risposta media. Durante il corso farai ulteriore pratica con i pacchetti dplyr e ggplot2 e imparerai a conoscere il pacchetto broom per ripulire i modelli; tutti e tre i pacchetti sono preziosissimi nella data science.
Prerequisiti
Programma
Struttura del corso
1
Concetti inferenziali
Nel primo capitolo capirai come e perché eseguire un’analisi inferenziale (anziché solo descrittiva) su un modello di regressione.
- Variabilità nelle rette di regressione50 XP
- Output di regressione: esempio I100 XP
- Primo campione casuale, secondo campione casuale100 XP
- Sovrapponi le linee100 XP
- Domanda di ricerca50 XP
- Ipotesi nella regressione50 XP
- Variabilità dei coefficienti50 XP
- Popolazione originale - modifica la dimensione del campione100 XP
- Popolazione ipotetica - minore variabilità attorno alla retta100 XP
- Popolazione ipotetica - minore variabilità nella direzione x100 XP
- Cosa modifica la variabilità dei coefficienti?50 XP
2
Inferenza basata su simulazione per il coefficiente angolare
In questo capitolo apprenderai i concetti di distribuzione campionaria utilizzando metodi di simulazione per i modelli di regressione.
3
Inferenza basata su t per il coefficiente angolare
In questo capitolo imparerai a utilizzare la distribuzione t per eseguire l’inferenza nei modelli di regressione lineare. Imparerai anche a creare intervalli di predizione per la variabile risposta.
4
Condizioni tecniche nella regressione lineare
Inoltre, prenderai in considerazione le condizioni tecniche importanti quando si utilizzano modelli lineari per trarre conclusioni su una popolazione più ampia.
5
Approfondimenti sull’inferenza nella regressione lineare semplice
Questo capitolo tratta argomenti che sviluppano le idee di base dell’inferenza nei modelli lineari, tra cui la multicollinearità e l’inferenza per i modelli di regressione multipla.
R
Inferenza per la regressione lineare in R
Corso
completato
